Samsung lleva AI RAN a astilleros y petroquímicas para probar robots conectados sobre redes privadas 5G antes de la era 6G

La red deja de ser tubería y empieza a formar parte del sistema de decisión. Samsung anunció el 23 de septiembre que participará en dos proyectos coreanos de AI RAN con KT y SK Telecom bajo la iniciativa gubernamental Hyper AI Network. Las pruebas comenzarán en octubre y desplegarán redes privadas 5G Standalone en entornos industriales, desde un astillero hasta una instalación petroquímica. El objetivo es validar servicios de physical AI y obtener aprendizaje operativo para futuras redes AI-native y 6G. El salto conceptual es relevante: cuando robots perciben, transmiten video, reciben inferencias y actúan en tiempo real, conectividad, cómputo y control forman un único sistema de producción.

El astillero convierte latencia y confiabilidad en variables de trabajo físico. En Yeongam, KT probará aplicaciones que incluyen robots de soldadura y pintura, además de automatización para instalaciones de telecomunicaciones. Samsung aportará Network in a Server, que integra vRAN, AI Core y aplicaciones en una plataforma edge, junto con herramientas de automatización de red. La compañía destaca requisitos de ultra baja latencia, alta confiabilidad y throughput consistente para control robótico. En este contexto, un pico de latencia no es solo una mala experiencia digital. Puede degradar precisión, detener una operación o activar un modo seguro. Por eso los SLO de red se convierten en parte de la especificación del agente físico.

La petroquímica añade una capa explícita de seguridad operacional. En el proyecto con SK Telecom se evaluarán robots autónomos que patrullan zonas de riesgo y sistemas de monitoreo por cámaras. El robot puede transmitir video de alta definición mientras se desplaza para que sistemas de IA detecten posibles peligros. Ese flujo une sensores, red, procesamiento y acción, y cada componente puede fallar de forma distinta. Una arquitectura madura debe definir qué ocurre si baja el ancho de banda, si una inferencia tarda demasiado o si el enlace desaparece. El robot no puede asumir que “la nube volverá pronto”; necesita degradación segura, procesamiento local y límites claros de autonomía.

El edge reduce distancia, pero no elimina la necesidad de observabilidad. Samsung plantea procesamiento local y una arquitectura escalable que puede incorporar GPU según la necesidad del sitio. Llevar cómputo cerca de donde se generan datos ayuda a controlar latencia y privacidad, pero crea más puntos que administrar. Versiones de modelos, reglas, red, firmware y hardware deben mantenerse coordinadas. Si un comportamiento cambia, el equipo necesita saber si la causa fue una actualización de IA, congestión, señal, sensor o lógica de control. Physical AI exige telemetría conjunta. Mirar solo métricas del modelo o solo métricas de red deja ciega la interacción que realmente determina el outcome.

La transición hacia 6G se está ensayando con problemas concretos de hoy. El comunicado enmarca estas pruebas como paso hacia redes AI-native y 6G, pero el valor inmediato está en usar infraestructura existente para validar servicios industriales. Esa aproximación reduce riesgo frente a esperar una futura generación completa. Empresas interesadas en robótica pueden experimentar con private 5G, edge compute y automatización de red sobre un perímetro controlado, midiendo qué casos justifican inversión. Los resultados deberían incluir seguridad, disponibilidad, productividad y costo de operación, no solo una demostración de movilidad. El aprendizaje operativo acumulado será más valioso que una etiqueta de generación tecnológica.

Lectura Goatify. Para Goatify, physical AI sugiere una futura categoría de edge-aware agents: workflows que conocen latencia, conectividad y modo seguro como parte de su contexto de ejecución. Antes de mandar una acción a un dispositivo, el runtime podría comprobar condiciones mínimas y decidir entre actuar, degradar, esperar o escalar. Para clientes industriales, nuestro producto no tendría que controlar directamente un robot para aportar valor; puede orquestar incidentes, mantenimiento, evidencia y decisiones alrededor de sistemas físicos. La oportunidad comercial es auditar readiness: red, edge, observabilidad, permisos y procedimientos de fallback. Cuando la IA sale de la pantalla, la infraestructura deja de ser background y se vuelve parte del contrato de seguridad.