สถาบันวิจัยอิเล็กทรอนิกส์และการสื่อสารของเกาหลี (ETRI) ได้เผยแพร่รายงานวิจัยเมื่อเร็วๆ นี้ ระบุว่าผู้ประกอบการสื่อสารที่นำเครือข่ายปัญญาประดิษฐ์ (AI) มาใช้งาน จะสามารถลดต้นทุนรวมของการครอบครองได้ประมาณ 7.1% โดยต้นทุนการสร้างและดำเนินการเครือข่ายจะลดลงได้ 17.75% การคำนวณนี้อิงจากสมมติฐานว่าต้นทุนที่เกี่ยวข้องกับเครือข่ายคิดเป็นประมาณ 40% ของต้นทุนรวมของผู้ประกอบการ ผลการศึกษาแสดงให้เห็นว่าการทำให้เป็นเสมือนจริงของอุปกรณ์เครือข่ายเข้าถึงแบบไร้สาย (RAN) และเครือข่ายแกนเคลื่อนที่ (Mobile Core) เป็นแหล่งหลักในการลดต้นทุน โดยอุปกรณ์ทั้งสองประเภทนี้คิดเป็นประมาณ 40% ของต้นทุนเครือข่าย การนำเทคโนโลยี Open RAN และ Cloud RAN มาใช้งานจะทำให้ต้นทุนอุปกรณ์ที่เกี่ยวข้องลดลง 25% ซึ่งเทียบเท่ากับการลดต้นทุนรวมของเครือข่ายลง 10 จุดเปอร์เซ็นต์ คิดเป็นครึ่งหนึ่งขึ้นไปของอัตราการลดต้นทุนเครือข่ายโดยรวม
รายการลดต้นทุนอื่นๆ รวมถึงการเพิ่มประสิทธิภาพพลังงานด้วย AI, การทำให้เครือข่ายส่งสัญญาณเป็นอัตโนมัติ และการพยากรณ์ข้อผิดพลาด การปรับการใช้ไฟฟ้าของสถานีฐานตามการเปลี่ยนแปลงของ traffic และลดการบริโภคพลังงานในช่วงเวลาที่อุปกรณ์ว่างเปล่า สามารถทำให้ต้นทุนเครือข่ายลดลง 2.25 จุดเปอร์เซ็นต์ ต้นทุนอุปกรณ์ส่งสัญญาณและต้นทุนบุคลากรดำเนินการสามารถลดลงได้คนละ 2 จุดเปอร์เซ็นต์ ส่วนการพยากรณ์ข้อผิดพลาดและลดภาระการบำรุงรักษาสามารถลดได้ 1.5 จุดเปอร์เซ็นต์ อย่างไรก็ตาม ผลลัพธ์จริงจะขึ้นอยู่กับระดับการทำให้เป็นเสมือนจริงของเครือข่ายที่มีอยู่ หากอัตราการลดต้นทุนจากการทำให้เครือข่ายไร้สายเป็นเสมือนจริงลดลงจาก 25% เป็น 15% อัตราการลดต้นทุนรวมของผู้ประกอบการจะลดลงจาก 7.1% เหลือประมาณ 5.5%
ตลาดอุปกรณ์เครือข่าย AI ทั่วโลกคาดว่าจะเติบโตอย่างมีนัยสำคัญ
การศึกษาคาดการณ์ว่าตลาดอุปกรณ์เครือข่าย AI ทั่วโลกจะขยายจาก 13.8 พันล้านดอลลาร์สหรัฐในปี 2030 เป็น 95.6 พันล้านดอลลาร์สหรัฐในปี 2037 เพิ่มขึ้นประมาณ 6.9 เท่า โดยมีอัตราการเติบโตเฉลี่ยต่อปีที่ 31.9% ในจำนวนนี้ ตลาดอุปกรณ์ AI RAN ในปี 2030 คาดว่าจะมีขนาด 6.6 พันล้านดอลลาร์สหรัฐ ส่วนตลาดอุปกรณ์เครือข่ายอัตโนมัติ AI ที่ครอบคลุม Mobile Core, เครือข่ายส่งสัญญาณ และ Backbone Network คาดว่าจะมีขนาด 7.2 พันล้านดอลลาร์สหรัฐ การศึกษายังระบุด้วยว่า แม้การทำให้เครือข่ายเป็นเสมือนจริงและการทำให้การดำเนินงานเป็นอัตโนมัติจะช่วยประหยัดต้นทุนได้ แต่การลงทุนใหม่ๆ เช่น AI Accelerator, Edge Data Center และสวิตช์ประสิทธิภาพสูง อาจจะเพิ่มขึ้น
การคำนวณที่เกี่ยวข้องไม่ได้รวมผลกระทบทางการเงินสุทธิหลังจากการลงทุนใหม่ ความคุ้มค่าทางเศรษฐกิจจริงจะยังได้รับผลกระทบจากปัจจัยต่างๆ เช่น วงจรการเปลี่ยนอุปกรณ์, ความเร็วในการปรับใช้ AI และระยะเวลาคืนทุน