Índice de contenidos
Claves de la noticia
- Nvidia anuncia una llamada AI-RAN de T-Mobile sobre una red comercial y una prueba de Elisa que combina comunicaciones y análisis de vídeo.
- Los hitos acreditan etapas distintas: una llamada, un ensayo de campo y un despliegue general no son equivalentes.
- Un trabajo experimental independiente permite cuantificar el compromiso: conservar el 74 % del rendimiento de un modelo implica ceder un 26 % al compartir la GPU.
La red móvil empieza a compartir infraestructura con la inteligencia artificial, pero esa convivencia tiene condiciones. Nvidia ha presentado este 21 de octubre en GTC Berlín avances de AI-RAN con Nokia y varios operadores. El anuncio aporta pruebas sobre redes reales; todavía no demuestra cuánto cuesta mantenerlas cuando radio e inferencia compiten por los mismos recursos.
Una llamada y un ensayo de campo miden cosas diferentes
Según el comunicado de Nvidia, T-Mobile completó en Bellevue una llamada sobre su red comercial con software de Nokia y un móvil comercial. La compañía la presenta como la primera llamada AI-RAN de ese tipo. Esa prioridad mundial es una afirmación del proveedor.
Elisa ejecutó simultáneamente voz, datos y analítica de vídeo en una plataforma ARC sobre espectro 5G. BT y Deutsche Telekom sitúan sus ensayos de campo en 2027; esta última ha validado la plataforma en laboratorio. Ordenar esos estados evita interpretar todo el anuncio como una activación comercial inmediata.
| Operador | Hito |
|---|---|
| T-Mobile | Llamada en red comercial |
| Elisa | Convivencia de tres cargas en campo |
| BT | Ensayo previsto en 2027 |
| Deutsche Telekom | Laboratorio; campo previsto en 2027 |
La evidencia más completa de convivencia descrita aquí es la de Elisa; la llamada de T-Mobile verifica otra etapa de integración. Ninguna de las dos, por sí sola, permite calcular una reducción de factura o una mejora nacional de cobertura. Frente al plan de pruebas de Nokia y SoftBank para 2027, la novedad es que ya se comunican resultados de estas otras redes.
La radio tiene un reloj que el modelo no puede retrasar
La explicación técnica importa porque una GPU compartida no convierte ambas tareas en intercambiables. En su análisis del 20 de marzo de 2026, Nokia distingue la ejecución de decisiones de radio, sujeta a ventanas estrictas, del aprendizaje y actualización de modelos. La primera debe funcionar a tiempo; la segunda necesita mecanismos para validar, desplegar y retirar cambios.
Nokia describe una capa de abstracción que desacopla software y hardware, además de interfaces gobernadas para introducir modelos. El interés no consiste únicamente en acelerar una operación matemática: también permite sustituir un algoritmo sin esperar a renovar toda una generación de equipos. Eso exige conservar una base estable a la que regresar si el cambio perjudica el servicio.
Esta separación resuelve una confusión práctica: actualizar un modelo de estimación del canal no equivale a dejar que cualquier aplicación ocupe libremente la GPU. Una aplicación empresarial puede tolerar menos respuestas por segundo; el procesamiento de radio tiene plazos que debe respetar. Por eso, el aislamiento y la prioridad efectiva de recursos forman parte del producto, junto con el acelerador.
El 74 % conservado también significa un 26 % cedido
Un antecedente experimental ayuda a poner números al compromiso sin atribuirlos a los operadores. El preprint Beaver, presentado el 1 de octubre, estudia cómo compartir GPU entre radio virtualizada y aprendizaje automático. Sus autores describen una gestión conjunta de cómputo y ancho de banda de memoria, protegiendo los plazos de la radio.
En su evaluación con una H200, mantienen la latencia p99,9 de la radio dentro del límite ascendente de 1,5 milisegundos y conservan el 74 % del rendimiento de servicio de Llama-3.3-70B. El resumen también informa de protección de un plazo descendente de 375 microsegundos y de ausencia de incumplimientos observados bajo trazas reproducidas.
El cálculo es directo: 100 − 74 = 26 puntos porcentuales de rendimiento de inferencia cedidos. El porcentaje depende de esa configuración y referencia experimental; no mide una pérdida en T-Mobile o Elisa. Tampoco convierte el preprint en una certificación del producto anunciado. Sí demuestra por qué sería incorrecto describir la convivencia como capacidad de IA gratuita, sin coste de oportunidad.
Además, p99,9 describe un percentil de latencia, no una garantía universal de disponibilidad. Comparar futuras ofertas exige conocer carga de radio, modelo, GPU y período de observación. Sin esas condiciones, dos porcentajes de utilización podrían parecer iguales y representar servicios muy diferentes.
Una infraestructura compartida necesita dos cuentas separadas
La convergencia tiene antecedentes. La investigación publicada por autores de Nvidia en enero de 2025 ya describía una prueba de concepto que procesaba radio e IA conjuntamente sobre GH200. Distinguía mejorar la radio mediante IA, alojar aplicaciones sobre la red y compartir infraestructura entre ambas cargas. El anuncio actual añade hitos operativos a esa trayectoria; no inaugura la idea.
Para un comprador de infraestructura, la consecuencia es concreta: debe evaluar por separado el servicio de conectividad que tiene que proteger y la inferencia que puede vender con la capacidad restante. El rendimiento del modelo tras reservar recursos de radio resulta más informativo que la potencia máxima del servidor vacío. Esa comparación tampoco requiere dar por hecho un ahorro energético que las pruebas anunciadas no cuantifican.
Nvidia ofrece la keynote oficial de GTC Berlín con Jensen Huang como contexto del anuncio. El vídeo corresponde al evento del 21 de octubre; la documentación escrita permite consultar los estados de los operadores sin depender del reproductor.
La conclusión útil es que hacer una llamada con AI-RAN acredita integración, mientras que demostrar rentabilidad exige medir cuánto servicio de IA queda después de proteger la radio. El ensayo de convivencia y el trabajo Beaver señalan qué comparar. Hasta disponer de mediciones comerciales equivalentes, prometer más capacidad y menor coste a la vez sería adelantar el resultado.
Imagen destacada: recreación conceptual generada por IA; no representa las instalaciones de los operadores ni un equipo concreto.
