鄔賀銓：解讀5G技術關鍵點，及如何影響AIoT
雷鋒網按：物聯網發展至今，有兩項技術對其賦能產業起到了關鍵作用，一項是這兩年發展神速的AI，另一項則是當下逐漸開始商用的5G。
前者使物聯網（IoT）進化到智聯網(AIoT)，從單一的連接能力拓展到複雜的應用能力，這類似移動互聯網時代的功能機向智能機的跨越；後者為智聯網進一步深入諸如家居、工業、城市建設等複雜場景提供了網路基礎，使得萬物互聯，甚至萬物智聯成為可能，同時也使得智聯網從面相消費應用擴展到面相產業應用，這類似智能手機從3G時代向4G時代的跨越。
從原有的WiFi技術，窄帶物聯網技術，到現在的5G技術，隨著網路技術的進化，整個物聯網技術體系有怎樣的變化？尤其5G的到來，為AIoT的應用帶來了怎樣的機遇和挑戰？
近日，在由物聯網智庫主辦的首屆「摯物·AIoT產業領袖峰會」上，中國工程院院士鄔賀銓詳細解讀了5G技術關鍵點，如何為5G業務發展做準備，以及AIoT技術及標準在5G時代如何演進等關鍵問題。
以下為鄔賀銓院士的現場演講內容，雷鋒網作了不改變原意的編輯及整理：
5G的網路架構和技術特性
隨著2019年6月6日工信部正式向中國電信、中國移動、中國聯通和中國廣電四家運營商頒發5G商用牌照，我國5G商用落地正式展開。就5G技術層面而言，又可以分為多層來看。
上至雲端，下至終端之間，5G網路又可以劃分出無線接入網、光纖傳輸承載網、轉發麵技術、業務互聯網技術，其中最重要的轉發麵技術又可以分為L1.5、L2、L3三層：
L1.5：靈活的乙太網交叉連接（FlexE）;
L2：MAC層幀交換，基於乙太網的時延敏感網路（TSN）；
L3：IP層無連接選路，面向連接的源選路（SR）。
這樣的網路架構形成的5G網路需要超密集組網、大規模天線陣、全頻譜接入、新型多址技術及網路技術的支撐，這也使得5G網路得以擁有增強移動帶寬、高可靠低延時、廣覆蓋廣連接的特點及相應應用場景，使得5G網路相較於上一代的4G網路在諸如峰值速率、用戶體驗數據率、頻譜效率、移動性、無線介面延時、連接密度、能效、流量密度等性能參數上都有數倍，乃至數十倍的提升（具體性能對比見下圖右表）。
鄔賀銓院士認為，也正是由於5G的以上技術特性，使得其應用場景得以從面相消費應用擴展到面向產業應用。
5G時代，AI帶來的「網路功能虛擬化」和「軟體定義網路」
傳統互聯網發展進程中，初期網路不夠穩定，包括感測器數據、語音數據、視頻數據等數據業務，所有業務都以IP包方式獨立選路，以IP包為單位在路由器中轉發。實際上，這樣並不科學。
以長視頻為例，一個長視頻需要分割成無數個IP包，每個IP包需要重複進行選路。鄔賀銓將這樣的大數據量的傳輸比喻為搬家：「如果點快餐，我們可以找外賣小哥來送；但是如果搬家，我們並不會請數百上千位快遞小哥來做這樣的工作。」
所以5G需要在傳輸層做改進，需要有在不同層次的多種轉發單元，以適應不同規模的業務流。即不僅可以在路由器中做IP包的交換，還需要能夠在交換機、交叉連接點層上做交換。根據業務模塊數據量大小，選擇不同交換方式。
這一被業內公認的網路傳輸方式為當下5G網路帶來了兩方面的挑戰：
一方面是在轉發麵實現功能多樣性。不同時間段會用到路由器、交換機，甚至同一時間段對感測器鏈路用路由器轉發，對視頻鏈路用交換機連接，如何在同一時間表現不同功能就成為一大難題。
傳統方法使用單獨的軟體和硬體來實現。現在的5G網路，硬體上採用通路的硬體，即網路功能虛擬化（NFV），通過軟體定義實現硬體功能定義，實現功能的多樣性。
另一方面是實現管理智能化。傳統互聯網是個「傻瓜」，不用區分是什麼鏈路，不管是什麼業務，都會分割成IP包進行傳輸。而現在需要區分業務、區分功能，這就需要智能化網路。
沒有人工智慧，5G也無法實現網路功能虛擬化。
鄔賀銓在會上解釋稱，「傳統路由器收到IP包需要先打開IP包查一下地址，然後按最短路線送到旁邊的路由器，因而整個傳送鏈路是逐個路由器轉發的過程，現在我們希望通過網路的整個操作系統對全網進行大數據分析、人工智慧分析，最終得出一個全網從起點到終點最優路徑。這一定不是逐個路由器轉發，而是面向連接，從源端已經將到達終端的路由器的整個路徑已經選好，而不是每個路由器單獨選路，這種方式使5G可以做到低時延、高可靠。」
以上提到的選路方式，正是通過軟體定義網路（SDN）來實現的。
SDN可以實現業務控制層和傳送承載層分離，基於大數據和人工智慧形成可彈性擴展即插即用的資源池，實現端到端選路，可繞開有安全風險的路由。
5G關鍵技術之網路切片
5G網路既需要支持百公里時速的高鐵上的高速應用場景，同時也要滿足80%左右時間是「坐在家裡或辦公室使用手機」的相對靜止的應用場景。這使得5G需要擁有切片能力。
在實際應用場景中，多數場景中使用手機需要的是KB的網路傳輸能力，同時也有對GB級傳輸能力有需要的車聯網等應用場景；有智慧醫療、工業互聯網這樣對高可靠有要求的應用場景，也有消費領域對高可靠並沒有強烈需求的場景。
面對這樣複雜應用場景的需求，此前的網路是通過改變物理網路來實現不同的應用，當下5G網路則是使用同一個網路，通過邏輯上的切片組織針對不同業務的專用網路，以實現對大帶寬、廣連接、低延時高可靠有不同需求的網路構建，未來物聯網的業務在5G網路中也會有各自單獨的通道。
網路切片能夠很好地滿足各類應用場景對於網路能力的特定需求，同時也對網路構建帶來了一定的挑戰，以業務切片的安全為例，需要考慮以下安全需求：
切片授權與接入控制；
切片間的資源衝突；
切片間的安全隔離；
切片用戶的隱私保護；
以切片方式隔離故障網元。
5G技術推進邊緣計算的應用
5G的切片能力帶來面向不同業務需求的專用網路，與此同時，5G也會強力推進邊緣計算的應用與普及。
為適應工業互聯網、視頻業務、VR/AR、車聯網及遠程醫療的低延時需求，需要將這些業務的存儲和內容分發下沉到邊緣計算來處理。
雖然5G的空口時延減少到了1ms，但是如果在地面上長距離傳輸到中心雲的話，延時還是會很大。對於AR/VR、遠程醫療這類需要快速相應的應用場景，5G為了實現低時延、高可靠，需要將雲端能力從中心雲分解到邊緣雲，邊緣雲負責處理對時間要求敏感的業務，同時過濾掉一些數據，再送到中心雲，中心雲收集到若干邊緣雲的數據後會做優化學習，然後下發數據模型到邊緣雲。
在5G時代，利用邊緣計算可以過濾和壓縮數據，通過邊緣雲的模式，可以節省核心網路資源，成本僅為單獨使用雲計算的39%。
據IDC預測數據，2020年會有50%的數據都會在邊緣雲處理。邊緣雲作為物聯網的基礎設施，會佔到真箇基礎設施支出的18%。
與此同時，邊緣計算也將是整個物聯網的基礎設施的一部分。
如何為5G業務發展做準備
什麼是5G最熱門的應用場景？
「現在我們說5G有三大應用場景。但是誰也說不出來5G最熱的應用場景是什麼。」鄔賀銓解釋道，「3G剛開始應用的時候還沒有智能手機，也沒有微信；4G剛落地應用的時候，微信還不能做移動支付，也不支持視頻通話；在4G網路提速降費後，抖音、快手短視頻才出現。可見，所有移動互聯網的業務是在移動互聯網能力具備後才出現的。所以我們現在無法說哪種應用最熱門，但是不等於說我們不為未來5G業務的發展做準備。」
如何為5G業務發展做準備？
這是個不確定的情況。假設在座每個人的手機都是同一個型號，但這並不能說明每個人的手機的能力都一樣的，因為每個人的手機下載的APP不一樣。
5G網路也將採用類似的業務模式，以APP方式生成定製單元，這類APP可以是運營商定製的，也可以是第三方開發者定製的。這使得5G網路能夠靈活適應未來不確定的業務。
另外，傳統的移動通信協議是專用協議，5G採用的將全部是物聯網的協議，這使得物聯網中所有應用可以直接嫁接到5G上，給5G帶來業務的靈活性。
但是這種方式有一定風險，原來運營商的協議是專用的，運營商的能力是封閉的，現在將其開放，就容易產生網路安全問題。因而，如果將4G的安全能力再次沿用到5G上，那麼，5G網路將不再安全。因而需要提升5G的安全能力。相關組織目前正在增強5G的安全能力，相關能力也在逐步完善過程中。
儘管如此，但是毫無疑問的是，5G對AIoT的應用將是極為有利的因素。
NB-IoT、eMTC納入5G技術標準中
部分大企業希望使用非許可頻段的LoRa來建內部網路，與此同時，對於大量中小企業，自建物聯網並不經濟，工作在授權頻段的NB-IoT可以為企業提供一個通過多載波方式、承載在公眾通信網上的專用物聯網，這一網路支持多個20KB或250KB的信道上，有以下四大特點：
廣覆蓋：比GSM覆蓋面積大百倍；
大連接：比移動網路稿50-100倍；
低功耗：終端模塊功耗為2G的1/10；
低成本：單個連接模塊目標在1美元。
「預計今年年底，三大運營商在全國二三四線城市大部分地區都能實現全面覆蓋。」鄔賀銓在會上表示。
儘管如此，NB-IoT網路還是有三個明顯的缺點：
第一，帶寬只有20K\250K，低也低不下去，高也高不上來；
第二，NB-IoT感測器是固定位置的，不支持移動部署，而工業應用的工件、機器人及網聯車的感測器是移動的；
第三，NB-IoT的模塊無法實現與人的交互。
為此，行業中除了NB-IoT還在開發新的物聯網標準，例如支持1M帶寬、支持移動部署、可以實現與人交互的eMTC；支持160bps帶寬，可以實現大連接的mMTC。
本來這些都與5G無關，但是近期，3GPP通過模擬向ITU提交報告，說明在LTE和未來5G頻段工作的NB-IoT和eMTC滿足5G的連接密度要求（5G的大連接要求：100萬/1k㎡設備聯網；傳輸時延10秒內；不高於1%的丟包率；一定的連接效率），因此，NB-IoT和eMTC可納入5G低功耗廣域網（LPWAN）物聯網標準。
新的5G物聯網已經將工作在5G頻段的NB-IoT、eMTC和未來的mMTC全部納入到5G物聯網標準中。
5G、AI、IoT的技術融合
從互聯網、移動互聯網，走到物聯網、泛在物聯網，以及現在的智能物聯網（AIoT），其中，AIoT可以說是AI和IoT二者的融合，將人工智慧技術應用到物聯網中。
IoT和AI之間是什麼關係？
IoT解決底層連接和數據傳輸問題，AIoT關注的物聯網的應用形態，強調應用服務，強調後端處理能力。
AI和IoT相輔相成，IoT為AI提供了深度學習所需要的大量訓練數據，IoT場景化互聯也為AI快速落地提供了基礎；AI將連接後產生的海量數據經分析、決策轉換為價值，反過來指導IoT的正確應用和效率提升。
5G和AI、IoT之間是什麼關係？
5G是將AI和IoT連接起來，成為一個可靠的高帶寬、大連接、低時延的通道。
通過5G將IoT提升到人工智慧的層面，體現IoT的價值；同時，5G幫助AI與IoT結合，產生落地效應。
諸如在語音識別、人臉識別、步態識別中的應用：
貴州80%以上的按鍵都運用了「人像大數據系統」；
騰訊優圖人臉識別能力兩年來已幫助上千個家庭找到了走失的家人；
香港2019年7月發生暴力事件，暴徒幾乎都戴口罩和頭盔來躲避人臉識別，需要使用步態識別技術，通過身高、腿骨、肌肉、關節等人體體型特徵好走路姿態進行步態識別。
……
?AIoT的應用領域：智能家居、智慧城市、智能產業
AIOT首先的應用領域是智能家居。
智能家居有多種入口，諸如智能手機、智能音箱、智能電視、智能門鎖，以及未來的智能機器人。「這些都是智能家居的控制中心，未來可能會有更多類別，實現更好的控制。」而5G 邊緣計算能夠更好地支撐這樣的場景應用。
據IDC報告預測，到2020年，全球AI系統將為家電企業帶來收入超過470億美元，成為產業發展的下一個風口。
智能城市對AIoT也有很好的應用，諸如：
智能路燈，通過AI攝像頭檢測到道路上的行人情況，從而實現亮度自動調節，降低了40%的綜合能耗；
智能井蓋，可以在1分鐘感知到井蓋的位置是否異常，比如被人挪動、偷走等，從而消除存在的安全隱患；
智能垃圾桶，能夠實時檢測垃圾桶的情況，在溢滿時自動通知，可替身30%的垃圾清理效率；
……
「此外，產業的智能化更是我們所需要的。」
例如工廠的數字化，將工廠中的數控機床、生產設備連接起來，對於新建工廠而言，光纖是最好的選擇，然而對於大量存在的老的工廠用光纖很難替換。
因此，大家想到通過無線技術將這些設備連接起來。然而，現有的WiFi技術的帶寬、可擴展性、抗干擾能力很難滿足工廠環境的實際應用需求，WiFi連接在工業領域的利用率不到6%。
5G在可靠性、抗干擾能力上可以滿足工廠環境需求，因而可以用在企業外網和企業內網中。其中，在企業內網中的應用又可以分為5G公網和5G專網。
5G公網是指用運營商的基站，在自己工廠中建設網路系統，還有很多工廠乾脆把控制部分也交給運營商來做。
5G專網是指工廠自建5G專用網。歐盟認為可以為工業應用預留出76M專用頻段，很多工廠可能不會有機會用到專用頻率，而且這樣的網路對周圍網路也有干擾。
其中，現在應用較多的公用網路上的5G是一種利用TDD的模式，在某個頻率上根據時序的不同分為上行下行，工業互聯網中，需要上傳的帶寬高，回傳指令的帶寬低，TDD的下行較上行時隙多。
這其中，機器人將來會大量應用，「5G 8k 移動邊緣計算」可以讓機器人反映更敏感。商飛公司用8K高清攝像頭掃描飛機蒙皮鉚接質量，通過5G寬頻快速連接企業的雲平台，顯著提升效率與檢測質量。商飛還利用5G的低時延同步兩個攝像頭，將從兩側獲取的視頻合成飛機精確的3D視像；
機器視覺也將得到廣泛應用，據前瞻產業研究院數據顯示，中國每天在產線上進行目視檢查的工人超過350萬，其中僅3C行業就超過了150萬人。但人工檢測準確度不高。機器視覺需要藉助邊緣計算與中心雲的大規模AI比對分析能力，5G為雲連接提供寬頻和快速通道。
?AIoT的產業鏈、發展階段和面臨的挑戰
AIoT本身是一條很長的產業鏈，其中包括硬體/終端（佔比25%），通信服務（佔比10%），平台服務（佔比10%），軟體開發/系統集成/增值服務（55%）。可見，軟體開發和系統集成業務佔比較高，達55%。AIoT相對拓展了IoT原有的產業鏈，同時AIoT在產業鏈上更強調AI晶元和AI能力開發平台，因而將軟體開發和系統集成業務佔比進一步提高。
鄔賀銓認為，AIoT將經歷3個發展階段：
單機智能階段：單機系統需要精確感知、識別、理解用戶的各類指令，如語音、手勢等，並正確決策、執行和反饋。而這個過程中設備與設備之間是不發生相互聯繫；
互聯智能階段：採用集中的雲或邊緣計算控制多個終端（感知器）的模式，構成互聯的產品矩陣，打破了單機智能的孤島效應，對智能化體驗場景進行了不斷升級和優化。當用戶晚上在卧室對著空調說出「睡眠模式」時，客廳的電視、音箱，以及窗帘、燈等都自動進入關閉狀態；
主動智能階段：智能系統根據用戶行為偏好、用戶畫像、環境等各類信息，自我學習、主動提供適用於用戶的服務。例如清晨伴隨著光線的變化，窗帘自動緩緩開啟，音箱傳來悅耳的起床音樂，空調調整到適應白天的溫度。
目前對於智能家居，AIoT基本還處於單機智能階段；對於智能產業，AIoT已經進入到互聯智能階段。
AIoT發展還面臨很多的挑戰，包括算力、演算法、平台兼容性、安全性四個方面：
算力。普通計算機的計算能力有限，利用其訓練一個模型往往需要數周至數月的時間。密集和頻繁地使用高速計算資源面臨成本壓力；
演算法。AI的訓練所需的時間非常長，目前僅訓練一些簡單的識別尚需數周時間，面對未來應用場景的豐富性，有必要在演算法層面予以增強。此外，基礎演算法非常複雜，應用的企業開發者能力不足；
平台兼容性。物聯網產品碎片化，而各AI公司生態之間又缺乏協同，本地算力、網路連接能力、平台間的不兼容，要把框架里的演算法部署到數量眾多的物聯網設備上，大規模部署問題重重；
安全性，人工之鞥呢決策的正確性受IoT數據的精確度影響，AI的分析結構還缺乏可解釋性，AIoT還存在被攻擊而成為殭屍物聯網的風險。
由此可見，未來AIoT的發展，仍然需要標準化推動，企業間合作提升兼容性，需要威脅情報共享，從而增強安全保障能力。?雷鋒網
TAG:雷鋒網 |