2024 december 27

Naponta egymillióval nő az 5G előfizetések száma

Naponta egymillióval nő a világban az 5G előfizetések száma, így az év végére a 2020 végi 220 millió után már 580 millió felhasználó csatlakozhat a legújabb generációs mobilhálózatra – derül ki az Ericsson Mobility Report legfrissebb kiadásából. A világjárvány dacára az 5G jóval gyorsabb ütemben terjed, mint korábban a ma uralkodó 4G technológia. Ha így haladunk, továbbra is várhatóan 2 teljes évvel hamarabb lépi át majd a bűvös egymilliárdos felhasználói számot ez a technológia, mint elődje.

Európa lemaradásban, pedig nagy a gazdasági potenciál

Az 5G elterjedésének üteme nem egyenletesen oszlik meg a világban. A legtöbb 5G előfizetés Ázsiában van (190 millió), ebből csak Kínában 173 millió, de Dél-Koreában és Japánban is dinamikus a növekedés. Ugyanígy Észak-Amerikában, azon belül is leginkább az Egyesült Államokban, ahol 14 millió 5G előfizetőt számoltak 2020 végén. Európában ezzel szemben – elsősorban a több országban is elhalasztott frekvenciatender döntések miatt – a teljes kontinensen mindössze 8 millió 5G előfizetésről tudunk, és a növekedés üteme is lassabb. Az 5G aránya az összes előfizetésen belül itt mindössze 1%, amiben nemcsak Kelet-Ázsia (9%) és Észak-Amerika (4%), hanem az Öböl-menti államok (2%) is előrébb járnak.

161 milliárd eurótól eshet el a kontinens; Magyarországon 2,3 milliárd euró lenne az 5G hatása

Európa számára azért is lenne fontos az 5G hálózatok mielőbbi kiépülése, mert a technológia a következő években 23 milliárd eurós befektetés ellenében 161 milliárd euró hozzáadott értékkel gazdagíthatná a kontinenst az okos ipar, az okos városok, a precíziós mezőgazdaság vagy éppen a hálózatba kapcsolt közlekedési eszközök révén. Az 5G potenciális hasznait az Analysys Mason kutatócég az Ericsson megrendelésére készített tanulmányban számszerűsítette. Ebből az is kiderült, hogy az új generációs hálózat a magyar gazdasághoz nettó 2,3 milliárd euróval (több mint 800 milliárd forinttal) járulhat hozzá.

„Az Ericsson Mobility Report immár huszadik kiadásából egyértelműen látszik, hogy az 5G kiépítése új szakaszba lépett, és gőzerővel zajlik az olyan úttörő piacokon, mint Kína, az Egyesült Államok és Dél-Korea. A vállalatoknak és az országoknak is kulcsfontosságú, hogy a világjárvány utáni korszakban magasabb fokozatba kapcsoljon a digitalizáció, és ebben az 5G kritikus szerepet játszhat, ahogy az MI-re épülő megoldások is. A következő rövid időszakban az is eldől majd, hogy kik lesznek az éllovasok és kik maradhatnak le hosszabbtávon is” – mondta el Jakab Roland, az Ericsson regionális igazgatója.

Mesterséges intelligencia: nem jövő, hanem jelen

Az ipari, közlekedési és mezőgazdasági alkalmazások jelentős részében az 5G szenzorokon gyűjtött hatalmas mennyiségű adatból az MI segítségével gazdasági előnyt lehet faragni. Az Ericsson Mobility Report legfrissebb kiadásából azonban az is kiderül, hogy az MI nemcsak felhasználója az 5G terjedésének, de katalizátora is annak. A gépi tanulás gyorsabbá, megbízhatóbbá és hatékonyabbá teszi a hálózatokat, és erre már számos konkrét példa is van az Ericsson által kiépített hálózatokon.

·     A MásMovil nevű spanyol szolgáltató a gépi tanulás egyik módját, a megerősítéses tanulást alkalmazta. Algoritmusuk néhány hét alatt „megtanulta”, hogyan lehet a bázisállomások antennáinak dőlésszögének és teljesítményének finomhangolásával úgy optimalizálni a hálózatot, hogy még több felhasználó számára még nagyobb sávszélesség váljon elérhetővé a zsúfolt Malagában, csúcsidőben is.

·     A SwissCom a svájci Ticino kantonban MI megoldást használva elérte, hogy 20 százalékkal kisebb teljesítménnyel fedjen le egy területet, miközben növelni tudta az átmenő adatforgalmat is.

·     Az Ericsson szakembereinek a hálózatok kiépítése során előre kell látniuk, mekkora lesz a beltéri és kültéri felhasználók aránya egy adott mobilcellában. Ez különösen fontos az 5G hálózatok kiépítése során, hiszen a rádióhullámok nagyobb eséllyel „akadnak” el a falakban és tereptárgyakban. A korábban jellemző durvább becslések után most tanuló algoritmus ad pontosabb előrejelzést a beltéri használók arányára, így jobban optimalizálható a hálózat.