Mavenir в 2025 году приняла решение выйти из бизнеса Open RAN и плотно занялась тематикой ИИ, отсюда и ее партнерство с Red Hat. Интегрированная платформа ИИ объединяет ПО Mavenir для ИИ и корпоративные возможности Kubernates и ИИ компании Red Hat, в частности, платформу OpenShift.

Идея предложения для операторов – с использованием платформы ИИ от партнеров, монетизировать ИИ с помощью тарифных планов на основе токенов, с контролем над ценообразованием, соглашениями об уровне обслуживания (SLA) и большими языковыми моделями (LLM), лежащими в основе взаимодействия.

Партнеры уверены, что потребление ИИ на основе токенов весьма схоже по парадигме с выставлением счетов за мобильный трафик. И если внедрить эту модель, то операторы смогут получать прибыль от ИИ, которая сейчас уходит таким компаниям как OpenAI, Anthropic и т.п.

Как это может работать?

Платформа ИИ способна работать с тремя моделями развертывания: фирменные ИИ-сервисы для своих абонентов; как ИИ инфраструктурного уровня, обеспечивающего работу развертывания ИИ в сетях оператора; как управляемая ИИ-платформа, посредством которой операторы могут предлагать возможности корпоративным клиентам на основе потребления.

Выбрана гибридная архитектура, которая позволяет использовать проприетарные и открытые модели ИИ для обработки большей части трафика, тогда как маршрутизатор Mavenir обеспечивает управляемый политиками, лимитированный доступ к внешним моделям для сценариев использования, требующих сложных логических вычислений или многомодальных возможностей.

Уже есть операторы, которые пробуют двигаться в эту сторону, в частности, Turkcell, которая использует локальные языковые модели и Telefonica, которая сотрудничает с Mavenir над рядом вариантов использования. Один из клиентов Mavenir внедряет ИИ-агента, который переводит речь во время международных звонков в режиме реального времени.

Мнение Mavenir – в небольших масштабах маршрутизация рабочей нагрузки к гипермасштабному провайдеру экономически целесообразна. В крупных масштабах это становится непомерно дорого для оператора сети мобильной связи, если только обработка данных не выполняется напрямую на инфраструктуре, которую контролирует этот оператор. Сейчас, когда абонент оператора мобильной связи отправляет запрос в Gemini или в OpenAI, запрос полностью уходит в ЦОД гипермасштабируемой компании, при этом оператор практически не участвует в получении прибыли (абонент платит ему только за возможность подключения к трубе передачи данных). В Mavenir предлагают поменять ситуацию, превратив оператора в интеллектуальный маршрутный слой. Простой запрос абонента обрабатывается локальной моделью на месте с низкими затратами; сложная задача логического вывода направляется в модель, работающую на границе сети; несрочный запрос может быть направлен на обработку в более дешевый удаленный дата-центр. Оператор при этом берет на себя роль диспетчера.

Суверенный аспект

Регулируемые операторы на рынках со строгими требованиями к размещению данных, имеют основания для того, чтобы предпочитать обработку данных на своих серверах, отправке запросов с данными об абонентах в ЦОД крупных компаний.  

((по материалам Mobile World Live))

Критика идеи

📌 Неоднородность «стоимости» токена. Токен из сложной модели типа Claude, и токен из небольшой, тонко настроенной локальной операторской модели - это не одно и то же. Один решает задачу мгновенно, обеспечивая полезный результат, другой может потратить в разы больше токенов и дать результат сомнительного качества. Пока нет единого, проверяемого стандарта, чего «стоит» один токен с точки зрения вычислительных ресурсов и качества ответа, использовать его как универсальную единицу для биллинга проблематично.

📌 Аналогия с трафиком на первый взгляд удобна, но на деле может путать абонента. Как объяснить пользователю, почему за один запрос списали много токенов, а за другой - мало? Где грань между «простым» и «сложным» запросом? Есть риск, что модель окажется непрозрачной, и клиенты начнут массово жаловаться.

📌 У многих операторов нет достаточных внутренних ресурсов, чтобы самостоятельно разрабатывать, обучать и поддерживать сложные ИИ-модели или даже инфраструктуру для их вывода. Им придётся либо глубоко интегрироваться с внешними разработчиками, либо нести огромные капитальные затраты на GPU-кластеры и дата-центры.

📌 Разработчики и предприятия уже выстроили рабочие процессы вокруг крупных ИИ-лабораторий и агрегаторов, которые умеют маршрутизировать запросы между разными моделями. Оператору, который попытается «вклиниться» в эту цепочку как новый посредник, придётся преодолевать сопротивление: клиентам может быть удобнее остаться в привычной среде. Учитывая, что ИИ в перспективе может стать во многом локальной историей, операторы со своими платформами могут остаться не у дел.

📌 Даже если технически всё заработает, вопрос рентабельности остаётся открытым. Покроет ли доход от продажи токенов затраты на инфраструктуру, лицензии, поддержку и маркетинг? Есть риск, что на практике модель окажется убыточной из-за высоких операционных расходов.

📌 Успех зависит от того, сможет ли оператор предложить не просто «трубу» для токенов, а реальные, востребованные сервисы (например, ИИ-ассистента для бизнеса, умного чат-бота для клиентов, оптимизацию логистики). Если предложение будет поверхностным, интерес со стороны корпоративных и частных клиентов быстро сойдет на нет. Судя по тому, что с мобильным интернетом уйти от роли "трубы" особо не удалось, почему с ИИ может получиться по другому? 

-- 

Читать новости телекома, IT и ИИ  в tg-канале или в ВК: Бойко про телеком в VK

--

теги: искусственный интеллект операторский бизнес тренды аналитика мнения полемика 

--