أعباء عمل الذكاء الاصطناعي لاختبار قدرة شبكة الهاتف المحمول

ظلت صناعات قليلة محصنة ضد تأثيرات الذكاء الاصطناعي، ومن المؤكد أن صناعة الاتصالات المحمولة العالمية شهدت تغيرات جوهرية. في الواقع، وجدت دراسة أجرتها شركة Ookla أن الذكاء الاصطناعي قد غيّر “شكل شبكة الهاتف المحمول الجيدة” وأن مقياس الخدمة الذي اعتمدت عليه الصناعة لأكثر من عقدين من الزمن – سرعة التنزيل القصوى – لم يعد يتنبأ بالأداء بشكل كامل.

واستند التقرير إلى بيانات Speedtest Intelligence 5G لعام 2025 عبر 22 سوقًا و86 مشغلًا في أمريكا الشمالية وأوروبا وآسيا والمحيط الهادئ والشرق الأوسط وأمريكا اللاتينية، والتي تقيس سعة التحميل ووقت الاستجابة تحت الحمل وجودة المسار إلى السحابة.

ويهدف التقرير أيضًا إلى إعادة بناء بطاقة أداء قائمة على التنزيل حول ما يطلبه الذكاء الاصطناعي فعليًا من الشبكة، ومتى تكون شبكات الهاتف المحمول 5G الحالية جاهزة وأين تقصر. لقد بحثت في ما إذا كان تطبيق الذكاء الاصطناعي يبدو فوريًا أو ينقطع، اعتمادًا إلى حد كبير على مقدار ما يمكن للشبكة تحميله، وكيفية تحمله تحت الحمل ومدى استمرار وصوله إلى السحابة. بناءً على هذه المقاييس، تبين أن شبكات مختلفة قد احتلت المرتبة الأولى.

بشكل أساسي، أظهر التقرير أن الشبكات التي تتصدر مخططات التنزيل لم تكن في الغالب هي الأفضل استعدادًا لحركة مرور الذكاء الاصطناعي. وسلط التقرير الضوء على أن التغيير الجوهري الذي يحدثه الذكاء الاصطناعي لا يتعلق بشكل أقل بالسعة الأولية، التي قام المشغلون بتوسيعها لسنوات، بقدر ما يتعلق بشكل حركة المرور – فهي أثقل عند التحميل، ودائمة التشغيل ومتقطعة، بدلاً من أن تعتمد على التنزيل وتعتمد على الجلسة.

علاوة على ذلك، أكدت أوكلا أن حركة مرور الذكاء الاصطناعي ليست شيئًا واحدًا. وهذا يعني أن الدردشة النصية، وصوت المحادثة، ورؤية الواقع المتعدد الوسائط والمعززة (AR)، والفيديو الناتج وأنشطة الوكيل، كل منها يحمل الشبكة بشكل مختلف، وتعتمد معظم هذه الاستخدامات على أجزاء من الشبكة لم يتم اختبار سرعة التنزيل عليها مطلقًا.

ومن خلال التعمق في البيانات – وكدليل على أن سرعة التنزيل هي دليل غير موثوق به لاستعداد الذكاء الاصطناعي – وجدت الدراسة أن الأسواق المختلفة تتصدر من حيث زمن الوصول الذي تعتمد عليه تطبيقات الذكاء الاصطناعي.

وقياسًا على عتبات عبء عمل الذكاء الاصطناعي، اعتُبرت شبكة الجيل الخامس الحالية في حالة معقولة بالنسبة لحركة المرور التي تهيمن الآن وأقل من مستوى ما هو قادم. تتبع المقاييس التي تحدد أداء الذكاء الاصطناعي – سعة التحميل، ووقت الاستجابة تحت الحمل، والمسار إلى السحابة – ترتيبًا مختلفًا، وتتسع الفجوة مع تحول الاعتماد نحو حالات الاستخدام الأثقل مثل الصوت التحادثي والذكاء الاصطناعي متعدد الوسائط.

على وجه التحديد، حققت 18 من 22 سوقًا هدف Speedtest AI النصي الذي يقل عن 50 مللي ثانية في زمن استجابة متعدد الخوادم، وحققت 13 سوقًا الهدف الصوتي للمحادثة الذي يقل عن 40 مللي ثانية، بقيادة سنغافورة عند 24.6 مللي ثانية والإمارات العربية المتحدة عند 31.1 مللي ثانية. الدول الأربع التي أخطأت هدف الذكاء الاصطناعي تقع خارجه مباشرةً – كوريا الجنوبية عند 53.0 م.ث، والهند عند 51.6 م.ث، والولايات المتحدة عند 50.5 م.ث، وإسبانيا عند 50.2 م.ث.

ما أسمته Ookla بالسقف الأصعب هو الواقع المعزز والرؤية متعددة الوسائط، حيث لم يصل أي سوق إلى الهدف الذي يقل عن 10 مللي ثانية، ولم تتمكن سوى سنغافورة من تجاوز الحد الأدنى الأكثر مرونة وهو 30 مللي ثانية. وبشكل إجمالي، ذكر التقرير أن الطريقة الأكثر تطلبًا تظل تتجاوز ما توفره شبكات الجيل الخامس الحالية، حتى في عمليات النشر الأكثر تقدمًا.

وفيما يتعلق بالنتائج الجغرافية المحددة، أظهر التقرير المنطقة الأوروبية قادت مجموعة البيانات الخاصة بزمن الوصول المنخفض للبنية التحتية السحابية، مما منح المستخدمين في هذه الأسواق ما كان يُنظر إليه على أنه أكبر قدر من زمن الوصول للاستدلال، مما يترك مجالًا أكبر لمعالجة نماذج الذكاء الاصطناعي قبل أن يؤدي التأخير إلى تدهور تجربة المستخدم.

تميل السويد والنرويج وفنلندا إلى إظهار أداء أكثر اتساقًا للوصلة الصاعدة، بمساعدة تكملة النطاق المتوسط ​​للطباعة على الوجهين بتقسيم الزمن (TDD) مع طيف النطاق المنخفض للطباعة على الوجهين بتقسيم التردد (FDD)، مع وجود الأخير في الطبقة العليا لزمن الوصول الأساسي عند 33.3 مللي ثانية. تمتلك النرويج واحدة من أكثر الاتصالات ثباتًا بالسحابة في مجموعة البيانات.

تسجل المملكة المتحدة أدنى نسبة تدهور لزمن الاستجابة في مجموعة البيانات (3.7 مرات) عندما يتم استخدام الشبكة بالكامل، بينما تعاني فرنسا من فجوة التحميل. وتخصص الدولة 5.81% فقط من إنتاجية شبكتها للوصلة الصاعدة، مما يضعها في أدنى مستوى من مجموعة البيانات إلى جانب الولايات المتحدة والبرازيل والإمارات العربية المتحدة. كما يسجل أيضًا نسبة تدهور زمن الوصول تبلغ 7.3 مرات في ظل ذروة الطلب.

تقع إسبانيا في الطبقة السفلية من حيث الاستجابة الأساسية، وهي واحدة من أربعة أسواق فقط في مجموعة البيانات التي فشلت في تحقيق هدف زمن الوصول للنصوص LLM (نموذج اللغة الكبيرة)، عند 50.2 مللي ثانية. خصصت إيطاليا 9.23% من سعة شبكتها لتحميل وتسجيل زمن استجابة متعدد الخوادم يبلغ 49.6 مللي ثانية، وهو أقل بقليل من الهدف البالغ 50 مللي ثانية المطلوب لمجالس إدارة الحقوق المستندة إلى النصوص.