メインコンテンツにスキップ

通信網は分散AI基盤になる：NVIDIA GTC Berlin 通信セッションの要点

技術
速報
NVIDIA
通信事業者の拠点・電力・回線・周波数を、AI推論と無線処理を同居させる分散コンピューティング基盤へ転換する。これが、2026年10月のGTC Berlinで示されたNVIDIAの通信戦略である。 Telecom Special Addr…
作者

obelos

公開

2026年11月4日

更新日

2026年11月4日

通信事業者の拠点・電力・回線・周波数を、AI推論と無線処理を同居させる分散コンピューティング基盤へ転換する。これが、2026年10月のGTC Berlinで示されたNVIDIAの通信戦略である。

Telecom Special Addressでは、NVIDIAのテレコム担当SVP、Ronnie Vasishta氏がAIファクトリー、分散推論、AI-RAN、6Gを1本のロードマップとして説明した。要点は次の3つである。

通信インフラがAI基盤になる理由

通信事業者は、AI基盤に必要な土地・電力・回線を分散拠点の形ですでに保有している。NVIDIAはAIを「土地・電力・建屋」「チップ」「インフラ」「モデル」「アプリケーション」の5層で捉え、通信事業者は最下層を押さえた立場にあると位置づける。

規模を示す数字が、約10万拠点と約100GWである。Jensen Huang氏は基調講演で、通信事業者の基地局とデータセンターがこの規模の分散AIネットワークへ進化すると予測した。これは将来予測であり、既存の余剰電力をそのままAIに回せるという意味ではない。

配置先は3階層に分かれる。

  • 集中型データセンター： 大規模学習とモデルのホスティングを担う。Deutsche TelekomのIndustrial AI Cloudはこの層に当たる。
  • メトロ・地域拠点： 複数の利用者に近い場所で推論を提供する。
  • セルサイト周辺： 低遅延が必要な推論と5Gの無線処理を、同じ計算基盤で動かす。

欧州・中東・アフリカでは9事業者がNVIDIAベースのインフラを新設または拡張する。新設はCRA（チェコ）、etisalat（UAE）、Silknet（ジョージア）、TIM（イタリア）である。拡張はCassava（アフリカ）、Deutsche Telekom（ドイツ）、Fastweb + Vodafone（イタリア）、Kazakhtelecom（中央アジア）、Orion Telecom（セルビア）である。

AI-RAN：無線処理をGPU上のワークロードにする

AI-RANは、RAN（無線アクセスネットワーク）の処理とAI推論を同じアクセラレーテッド基盤で動かす構成である。従来の専用ベースバンド装置では、無線処理以外の用途に計算資源を回せない。ソフトウェア定義にすれば、周波数利用効率の改善に加えて、余力をエッジ推論に使える。

図

図

中核はNVIDIA Aerial RAN Computer（ARC）と、その上で動くNokiaのCUDA対応anyRANソフトウェアである。この組み合わせでの協業を公表した事業者は、世界で20社近くに達した。

高容量拠点向けには、ARCの新構成としてMGX 2UとMGX 4Uが追加された。GPUはRTX PRO 6000 Blackwell Server Editionで、CPUはx86とNVIDIA Veraから選べる。主に集中型RANの拠点を想定し、Dell Technologies、Quanta Cloud Technology、SupermicroがARC対応サーバーを提供する。

各事業者の到達段階は同じではない。

事業者 段階 内容
T-Mobile 商用網 米国ベルビューの商用網で世界初のAI-RAN通話を完了。商用ARCサーバー、massive MIMO無線機、既存の5G SAコア、市販スマートフォンで構成
Elisa フィールド試験完了 5G周波数を使う屋外環境で、音声、モバイルデータ、映像解析を同時に実行。2027年の商用サービスを目指す
Orange 試験中 Nokiaの5GソフトウェアをARCで検証。周波数利用効率とエッジサービスを評価
Deutsche Telekom ラボ検証完了 ボンとオウルのラボで検証。AIによる上りチャネル推定でスループットを改善。2027年にフィールド試験へ移行
BT 計画 2027年に英国バーミンガムで商用網での試験を実施予定

エッジAIの事例：ロボットと音声

エッジ推論の価値は、応答時間が体験や制御の品質を左右する用途で現れる。講演では代表例としてロボット制御と音声AIが示された。

ロボット制御（Deutsche Telekom × Agile Robots）： 処理を3階層に分割する。ロボット本体がリアルタイムの知覚と動作を担い、分散エッジのモデルが微調整と複数台の協調を担う。中央のインフラは大規模な学習を受け持つ。

音声AI（Orange）： 分散拠点のARCでNemotron Speechを動かし、緊急対応や現場作業のチーム向けに多言語のリアルタイム翻訳を実証している。Orangeは、Live Intelligence上でNemotronなどのオープンモデルをマネージドサービスとしても提供する。

企業向けアシスタント（Elisa）： 分散拠点のARCで音声AIを企業向けアシスタントとして稼働させ、オープンモデルによるエッジアプリケーションの開発を進めている。

ネットワーク運用エージェント

自律運用では、NVIDIA NemotronとAgent Toolkitが通信ベンダーの商用ソフトウェアに組み込まれ始めた。汎用モデルをそのまま使うのではなく、通信業務向けに微調整して既存の運用製品へ統合する点が共通する。

企業 組み込み先・用途
Nokia Autonomous Networks Suite。固定、無線、コア、トランスポートの運用を担うエージェント
Cisco Crosswork AI。IP・光トランスポート網を管理する共通のエージェント層
TCS 無線拠点の施工検証、障害の検知・診断・自動復旧、多言語音声
NTT DATA NextGenOSS。ネットワーク劣化の早期検知、原因特定、次の対応の提示
BT 施工写真の点検による問題検出と、再訪問の削減

6G研究基盤：シミュレーションから実機まで

NVIDIAの6G戦略は、研究ツールを公開して開発者を自社プラットフォームに集める構成である。研究者は机上の評価から実機検証まで、同じ系統のツールで進められる。

  • Sionna： GPUで高速化したオープンソースのリンクレベルシミュレーションライブラリ。微分可能な構成で、機械学習と組み合わせて無線アルゴリズムを評価できる。
  • Sionna Research Kit： リアルタイム動作する研究用プラットフォーム。物理層からMACスケジューリング、コアのルーティングまで実験対象にできる。
  • Aerialのオープンソース化： CUDA-Accelerated RAN、Aerial Omniverse Digital Twin、Aerial FrameworkをApache 2.0で公開すると発表された。Aerial FrameworkはPythonコードを高性能なCUDAコードへ変換する。
  • DGX Spark： AerialやSionnaを動かす机上の検証環境。

講演では、AIエージェントを組み込んだ無線アルゴリズムが、従来手法よりエラー率と遅延を改善した例も示された。

実装・評価時の確認点

AI-RANの採算は、拠点ごとのGPU稼働率で決まる。商用網での通話成功は技術的な到達点であり、経済性の証明ではない。評価では次の4点を確認する。

  • 低負荷拠点のコスト： RAN負荷の低いセルサイトでは、AIサーバーが専用ベースバンドより割高になり得る。業界でもこの懸念が指摘されており、NVIDIA側は構成と消費量次第だと説明している。
  • 推論需要の所在： RANの余力を収益化するには、その拠点の近くに遅延要件の厳しい需要が必要である。
  • ワークロードの分離： 無線処理は実時間性を優先する。AI推論と同居させる場合の資源配分と、テナント分離を設計に含める。
  • 公表値の性質： 100GWは予測、MGX 2U/4Uは新発表の構成である。自社の評価には、対象拠点の電力と負荷の実測値を使う。

参考資料