CTO視角：5G的變革賦予區塊鏈的機會

5G，第五代移動通信技術。傳輸速率將是4G的百倍，達到10+GB/s。5G的到來，將改變現有的許多應用，也會帶來一些新的應用。比如遠程醫療、無人駕駛、智能交通系統、可穿戴設備，物聯網等等。例如中興的Pre5G相比於4G可提升6倍的系統容量、5倍的用戶平均帶寬和100倍的單位面積連接數。5G在整體性能上，比4G有巨大的提升，留給應用的想像空間很大。

5G商用的步伐也在加快，工信部此前發布的《信息通信行業發展規劃（2016-2020年）》明確提出，2020年啟動5G商用服務。根據工信部等部門提出的5G推進工作部署以及三大運營商的5G商用計劃，我國將於2017年展開5G網路第二階段測試，2018年進行大規模試驗組網，並在此基礎上於2019年啟動5G網路建設，最快2020年正式推出商用服務。

5G的速度究竟有多快，早在MWC 2016通信大會上，中興聯合中國移動，秀了一台5G高頻原型機，其峰值數據傳輸率就已經超過了10Gbps緊接著，華為與中國移動研究院、上海移動聯合構建5G關鍵技術驗證外場，根據實驗室摸底測試結果表明，單用戶在高低頻雙連接模式下的單用戶峰值速率可達到18Gbps。按照10Gbps的下載速度，一部高清電影2GB, 5G的下載速度1.25GBps，則下載一部高清電影需要不到2秒。一般用戶是在線看視頻的，在4G網路中，我們經常看的不是高清的電影，而且是邊下載邊觀看，有時候卡頓，不流暢，在5G網路中，高清電影在線觀看，應該是流暢播放，意味著比現在的體驗感是大大提升的。在昨天我看到CCTV2的中國經濟大講堂中，前中國移動董事長王建宙提到5G在未來應用的2個趨勢，其中之一是手機屏的變化，比如柔性屏。我認為不僅僅是柔性屏，5G的帶寬提升，手機屏可能會出現革命性的變化，全息顯示屏，包括裸眼顯示裝置可能會出現，顯示將從2D邁進到3D，以後我們看到的信息將是立體顯示的，這給更多的應用場景，提供了巨大的想像力空間，比如視頻會議、遠程辦公、打電話、遠程娛樂，家庭看護，遠程醫療等，都有可能在手機，各種可穿戴設備、醫療設備上實現。王建宙舉了一個例子，遠程醫療，醫生通過機器人，遠程操作給病人做手術，機器人的手術刀在病人皮膚上哪怕1毫米的壓力變化，醫生在遠程都可以感知到，這個場景取決於感測器，更重要的是依賴於網路速度。再例如無人駕駛交通系統（車聯網系統），當所有的車和交通指揮系統通過5G互聯後，擁堵問題，城市交通擁堵問題，可能將得到徹底的解決。

5G應用場景

通訊技術歷史發展的經驗告訴我們，現在的一些應用，為什麼沒有爆發，沒有形成很大的市場，例如AR/VR，可穿戴設備，就是因為網路基礎設施沒有跟上，5G的到來，將促進這些應用領域更好的發展。

言歸正題，5G會給區塊鏈帶來什麼？區塊鏈是分散式的計算範式，我在另外一篇文章中提到，物聯網和區塊鏈在分散式感知和計算是黃金搭檔，未來的數據一定是來自於家庭、汽車、穿戴設備，會從形形色色的物理世界迸發大量的數據到計算單元，而這個計算單元，我提出來不再是往中心節點上傳，而是往「區塊鏈」的鏈式網路上傳，是一個分散的，分散式的數據存儲和計算單元，計算域。我之前提出的架構，並沒有說傳輸的問題，今天，我想談談網路傳輸的問題。在下面這張圖上，有2類數據，一類是從IOT到部署在雲上的鏈上行數據，一類是經過AI計算後下行的執行指令和策略。我們知道，數據上不來，AI無法計算，數據來的太慢，AI計算的不好，我指的是實時計算。更加危險的是在後面，AI計算了結果，例如根據你家的空氣質量數據，給出目前空氣凈化器開啟哪些功能，風速大小的智能控制指令，這些指令是否能夠實時下達到空氣凈化器，才是用戶體驗的關鍵，能夠通過更強的大腦（AI計算）來優化空氣凈化器的工作，從而達到系統的改善和優化家庭的環境（可能還包括其它的家庭環境控制裝置），這些可能人都做不到，例如協調加濕器和空氣凈化器，一個改善濕度，一個改善空氣中的有害物質，這二者之間其實是有關聯的，人是無法判斷的，或者無法量化和科學判斷，要靠什麼？靠「AI」大腦。

基於區塊鏈的AI計算平台

要靠AI，首先要解決數據來源，其次要解決數據能快速到達計算單元，前者，感測器，後者5G，從AI計算的角度看，如果用5G來傳輸，數據到達的問題，將不再是問題，實時性將極大加強。我們在區塊鏈裡面的人，都知道，分散式存儲的速度低，目前POW是每秒幾次，POS演算法高一些，但是遇到並發數和數據量密級的場景，比如無人駕駛交通系統，駕駛系統和指揮系統都需要實時的響應，恐怕在我提出的區塊鏈計算平台上，無法實現，太慢。究其原因，共識演算法和p2p協議通信是一方面原因，傳輸一定是另一方面的原因。同時要考慮「可信計算「條件下，什麼樣的共識機制，能夠在網路傳輸不再是瓶頸情況下的效率最大化問題。這是值得研究的課題。這個課題要考慮這些問題：

1.在一個海量節點情況下，海量數據並發情況下，計算效率的問題

2.在海量節點和數據情況下，多節點協調、協同和一致性的問題

3.容錯和出錯處理機制，也是在演算法中要考慮的問題

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！