邬贺铨院士：5G技术影响智联网的关键点

最近，中国工程院院士吴贺泉详细解释了5G技术关键点如何为5G准备业务发展，AIoT5.技术和标准G如何演变时代等关键问题。

邬贺铨/ 中国工程院院士

自物联网发展以来，有两项技术在赋能产业中发挥了关键作用。一是近两年发展迅速AI，另一个是5，它正在逐渐开始商业化G。

前者使物联网（IoT）进化为智联网(AIoT)，从单一的连接能力到复杂的应用能力，类似于移动互联网时代的功能机器到智能机器；后者为家居、工业、城市建设等复杂场景提供了网络基础，使一切互联网，甚至智能互联网成为可能，也使智能互联网从面部消费应用扩展到面部行业应用，类似智能手机从3G时代向4G时代的飞跃。

从原有的WiFi技术，窄带物联网技术，到现在的5G随着网络技术的发展，整个物联网技术体系发生了什么变化？特别是5G的到来，为AIoT应用程序带来了什么机遇和挑战？

以下是吴贺泉院士现场演讲的内容

5G网络结构和技术特点

2019年6月6日，工业和信息化部正式向中国电信、中国移动、中国联通和中国广播电视四家运营商颁发了5家G商业许可证，中国5G商业落地正式展开。G在技术层面上，可分为多层。

上到云，下到终端，5G网络可分为无线接入网络、光纤传输承载网络、转发面技术和业务互联网技术，其中最重要的转发面技术可分为L1.5、L2、L3三层：

• L1.5:灵活的以太网交叉连接（FlexE）;
  

• L2：MAC基于以太网时延敏感网络的层帧交换（TSN）；

• L3：IP层无连接选路，面向连接源选路（SR）。

这种网络架构形成的5G网络需要超密集组网、大规模天线阵、全频谱接入、新型多址技术和网络技术的支持，这也使得5G网络具有增强移动带宽、高可靠性低延迟、广覆盖、广连接的特点及相应的应用场景，使得5G与上一代4相比，网络网络更像上一代4G网络在性能参数上有几倍甚至几十倍的提升，如峰值速率、用户体验数据率、频谱效率、移动性、无线接口延迟、连接密度、能效、流量密度等。

吴贺泉院士认为，正是因为5G上述技术特点使其应用场景从消费应用扩展到工业应用。

5G时代，AI带来的「虚拟化网络功能」和「网络的软件定义」

在传统互联网发展过程中，早期网络不够稳定，包括传感器数据、语音数据、视频数据等数据业务，所有业务都是IP包装方式独立选路，以IP在路由器中转发包为单位。事实上，这是不科学的。

以长视频为例，长视频需要分成无数个IP包，每个IP包需要重复进行选路。邬贺铨将这样的大数据量的传输比喻为搬家：“如果点快餐，我们可以找外卖小哥来送；但是如果搬家，我们并不会请数百上千位快递小哥来做这样的工作。”

所以5G为了适应不同规模的业务流程，需要在传输层进行改进。也就是说，它不仅可以在路由器中完成IP包的交换还需要能够在交换机和交叉连接点上进行交换。根据业务模块的数据量选择不同的交换方式。

这一被业内公认的网络传输方式为当下5G网络带来了两个挑战：

• 一方面是在转发面实现功能多样性。不同时间段会用到路由器、交换机，甚至同一时间段对传感器链路用路由器转发，对视频链路用交换机连接，如何在同一时间表现不同功能就成为一大难题。

使用单独的软件和硬件来实现传统的方法。现在的5G通路硬件用于网络，即网络功能虚拟化（NFV），硬件功能定义通过软件定义实现，功能多样性实现。

• 另一方面，它实现了智能管理。传统的互联网是一个傻瓜，不需要区分什么链接，无论什么业务，都会分为IP传输包。现在需要区分业务和功能，这就需要智能网络。

没有人工智能，5G也无法实现网络功能的虚拟化。

邬贺铨在会上解释称，“传统路由器收到IP包需要先打开IP检查地址，然后按最短路线发送到路由器旁边，所以整个传输链路是路由器逐个转发的过程。现在我们希望通过网络的整个操作系统对整个网络进行大数据分析和人工智能分析，最终得到整个网络从起点到终点的最佳路径。这不能一个接一个地转发路由器，而是面向连接。从源端选择到达终端的路由器的整个路径，而不是每个路由器单独选择路径。这样，5G可实现低延迟、高可靠性。”

上述选择方法是通过软件定义网络（SDN）来实现的。

SDN可实现业务控制层与传输承载层的分离，基于大数据和人工智能形成可弹性扩展即插即用资源池，实现端到端选择，绕过安全风险路由。

5G网络切片的关键技术

5G网络不仅需要支持100公里高速铁路上的高速应用场景，还需要满足坐在家里或办公室使用手机相对静止的应用场景的80%左右。这使得5G要有切片能力。

在实际应用场景中，大多数场景需要手机KB网络传输能力也是对的GB需要车联网等级传输能力的应用场景；有智能医疗、工业互联网等对高可靠性要求的应用场景，也有消费领域对高可靠性要求不强的场景。

面对这样复杂应用场景的需求，此前的网络是通过改变物理网络来实现不同的应用，当下5G网络是利用相同的网络，通过逻辑切片组织对不同业务的特殊网络，实现不同需求的大带宽、广连接、低延迟、高可靠的网络建设。未来物联网的业务将是5G网络中也会有自己的通道。

网络切片可以很好地满足各种应用场景对网络能力的具体需求，也给网络建设带来了一定的挑战。以业务切片的安全为例，需要考虑以下安全要求：

• 切片授权与接入控制；

• 切片间资源冲突；

• 切片间安全隔离；

• 切片用户隐私保护；

• 故障网元通过切片隔离。

5G促进边缘计算应用的技术

5G同时，5.G也将大力推进边缘计算的应用和普及。

为适应工业互联网、视频业务，VR/AR、车联网和远程医疗的低延迟需求需要将这些业务的存储和内容分发下沉到边缘进行计算。

虽然5G空口延迟减少到1ms，但是如果在地面上长距离传输到中心云，延迟会很大。对于AR/VR、需要快速响应的场景需要快速响应，5G为了实现低延迟、高可靠性，云能力需要从中心云分解到边缘云。边缘云负责处理对时间要求敏感的业务，过滤掉一些数据，然后发送到中心云。中心云收集几个边缘云的数据，然后将数据模型发送到边缘云。

在5G在时代，边缘计算可以过滤和压缩数据，核心网络资源可以通过边缘云模式节省，成本仅为单独使用云计算的39%。

据IDC预测数据显示，2020年边缘云将处理50%的数据。边缘云作为物联网的基础设施，将占整个基础设施支出的18%。

同时，边缘计算也将是整个物联网基础设施的一部分。

如何为5G准备业务发展

什么是5G最受欢迎的应用场景？

现在我们说5G有三个应用场景。但谁也说不出5G什么是最热门的应用场景？吴贺泉解释说：三G没有智能手机，也没有微信；4G第一次应用时，微信无法进行移动支付或视频通话；4G在网络加速降费后，抖音、快手短视频才出现。可此可见，移动互联网的所有业务都是在具备移动互联网的能力后才出现的。所以我们现在不能说哪个应用最受欢迎，但这并不意味着我们不是为了未来5G准备业务发展。

”如何为5G业务发展准备好了？

这是一种不确定的情况。假设这里的每个人的手机都是相同的型号，但这并不意味着每个人的手机都有相同的能力，因为每个人的手机都下载了APP不一样。

5G网络也将采用类似的业务模式APP生成定制单元的方单元APP可由运营商或第三方开发者定制。这使得5G该网络能够灵活适应未来不确定的业务。

此外，传统的移动通信协议是特殊协议，5G所有的协议都是物联网，这使得物联网中的所有应用程序都可以直接嫁接到5G上，给5G业务灵活性。

然而，这种方法有一定的风险。原初，运营商的协议是特殊的，运营商的能力是封闭的。现在打开它很容易产生网络安全问题。因此，如果是4G再次使用5的安全能力G上，那么，5G网络将不再安全。因此，需要改进5G安全能力。相关组织目前正在增强5G在逐步完善安全能力和相关能力的过程中。

尽管如此，毫无疑问，5G对AIoT应用将是一个非常有利的因素。

NB-IoT、eMTC纳入5G技术标准中

一些大企业希望使用非许可频段LoRa同时，对于大量中小企业来说，自建物联网是不经济的，在授权频段工作NB-IoT它可以通过多载波在公共通信网络上提供一个特殊的物联网，支持多个20KB或250KB信道具有以下四个特点：

• 广覆盖：比GSM覆盖面积大百倍；

• 大连接:比移动网络高50-100倍；

• 低功耗：终端模块功耗2G的1/10；

• 低成本:单个连接模块的目标是1美元。

吴贺泉在会上说：预计今年年底，三大运营商将全面覆盖全国二三四线城市的大部分地区。

尽管如此，NB-IoT网络还是有三个明显的缺点：

• 第一，带宽只有20K\250K，低也低不去，高也高不上来；

• 第二，NB-IoT传感器是固定位置的，不支持移动部署，而工业应用的工件、机器人及网联车的传感器是移动的；

• 第三，NB-IoT的模块无法实现与人的交互。

为此，行业中除了NB-IoT还在开发新的物联网标准，例如支持1M带宽、支持移动部署、可以实现与人交互的eMTC；支持160bps带宽，可以实现大连接的mMTC。

本来这些都与5G无关，但是近期，3GPP通过仿真向ITU提交报告，说明在LTE和未来5G频段工作的NB-IoT和eMTC满足5G的连接密度要求（5G的大连接要求：100万/1k㎡设备联网；传输时延10秒内；不高于1%的丢包率；一定的连接效率），因此，NB-IoT和eMTC可纳入5G低功耗广域网（LPWAN）物联网标准。

新的5G物联网已经将工作在5G频段的NB-IoT、eMTC和未来的mMTC全部纳入到5G物联网标准中。

5G、AI、IoT的技术融合

从互联网、移动互联网，走到物联网、泛在物联网，以及现在的智能物联网（AIoT），其中，AIoT可以说是AI和IoT二者的融合，将人工智能技术应用到物联网中。

IoT和AI之间是什么关系？

IoT解决底层连接和数据传输问题，AIoT关注的物联网的应用形态，强调应用服务，强调后端处理能力。AI和IoT相辅相成，IoT为AI提供了深度学习所需要的大量训练数据，IoT场景化互联也为AI快速落地提供了基础；AI将连接后产生的海量数据经分析、决策转换为价值，反过来指导IoT的正确应用和效率提升。

5G和AI、IoT之间是什么关系？

5G是将AI和IoT连接起来，成为一个可靠的高带宽、大连接、低时延的通道。通过5G将IoT提升到人工智能的层面，体现IoT的价值；同时，5G帮助AI与IoT结合，产生落地效应。

诸如在语音识别、人脸识别、步态识别中的应用：

• 贵州80%以上的按键都运用了“人像大数据系统”；

• 腾讯优图人脸识别能力两年来已帮助上千个家庭找到了走失的家人；

• 香港2019年7月发生暴力事件，暴徒几乎都戴口罩和头盔来躲避人脸识别，需要使用步态识别技术，通过身高、腿骨、肌肉、关节等人体体型特征和走路姿态进行步态识别。

• ……

AIoT的应用领域：智能家居、智慧城市、智能产业

AIOT首先的应用领域是智能家居。

智能家居有多种入口，诸如智能手机、智能音箱、智能电视、智能门锁，以及未来的智能机器人。“这些都是智能家居的控制中心，未来可能会有更多类别，实现更好的控制。”而5G+边缘计算能够更好地支撑这样的场景应用。

据IDC报告预测，到2020年，全球AI系统将为家电企业带来收入超过470亿美元，成为产业发展的下一个风口。

智能城市对AIoT也有很好的应用，诸如：

• 智能路灯，通过AI摄像头检测到道路上的行人情况，从而实现亮度自动调节，降低了40%的综合能耗；

• 智能井盖，可以在1分钟感知到井盖的位置是否异常，比如被人挪动、偷走等，从而消除存在的安全隐患；

• 智能垃圾桶，能够实时检测垃圾桶的情况，在溢满时自动通知，可提升30%的垃圾清理效率；

• ……

“此外，产业的智能化更是我们所需要的。”

例如工厂的数字化，将工厂中的数控机床、生产设备连接起来，对于新建工厂而言，光纤是最好的选择，然而对于大量存在的老的工厂用光纤很难替换。

因此，大家想到通过无线技术将这些设备连接起来。然而，现有的WiFi技术的带宽、可扩展性、抗干扰能力很难满足工厂环境的实际应用需求，WiFi连接在工业领域的利用率不到6%。

5G在可靠性、抗干扰能力上可以满足工厂环境需求，因而可以用在企业外网和企业内网中。其中，在企业内网中的应用又可以分为5G公网和5G专网。

5G公网是指用运营商的基站，在自己工厂中建设网络系统，还有很多工厂干脆把控制部分也交给运营商来做。

5G专网是指工厂自建5G专用网。欧盟认为可以为工业应用预留出76M专用频段，很多工厂可能不会有机会用到专用频率，而且这样的网络对周围网络也有干扰。

其中，现在应用较多的公用网络上的5G是一种利用TDD的模式，在某个频率上根据时序的不同分为上行下行，工业互联网中，需要上传的带宽高，回传指令的带宽低，TDD的下行较上行时隙多。

这其中，机器人将来会大量应用，“5G+8k+移动边缘计算”可以让机器人反应更敏感。商飞公司用8K高清摄像头扫描飞机蒙皮铆接质量，通过5G宽带快速连接企业的云平台，显著提升效率与检测质量。商飞还利用5G的低时延同步两个摄像头，将从两侧获取的视频合成飞机精确的3D视像；

机器视觉也将得到广泛应用，据前瞻产业研究院数据显示，中国每天在产线上进行目视检查的工人超过350万，其中仅3C行业就超过了150万人。但人工检测准确度不高。机器视觉需要借助边缘计算与中心云的大规模AI比对分析能力，5G为云连接提供宽带和快速通道。

AIoT的产业链、发展阶段和面临的挑战

AIoT本身是一条很长的产业链，其中包括硬件/终端（占比25%），通信服务（占比10%），平台服务（占比10%），软件开发/系统集成/增值服务（55%）。可见，软件开发和系统集成业务占比较高，达55%。AIoT相对拓展了IoT原有的产业链，同时AIoT在产业链上更强调AI芯片和AI能力开发平台，因而将软件开发和系统集成业务占比进一步提高。 

邬贺铨认为，AIoT将经历3个发展阶段：

单机智能阶段：单机系统需要精确感知、识别、理解用户的各类指令，如语音、手势等，并正确决策、执行和反馈。而这个过程中设备与设备之间是不发生相互联系；

互联智能阶段：采用集中的云或边缘计算控制多个终端（感知器）的模式，构成互联的产品矩阵，打破了单机智能的孤岛效应，对智能化体验场景进行了不断升级和优化。当用户晚上在卧室对着空调说出“睡眠模式”时，客厅的电视、音箱，以及窗帘、灯等都自动进入关闭状态；

主动智能阶段：智能系统根据用户行为偏好、用户画像、环境等各类信息，自我学习、主动提供适用于用户的服务。例如清晨伴随着光线的变化，窗帘自动缓缓开启，音箱传来悦耳的起床音乐，空调调整到适应白天的温度。

目前对于智能家居，AIoT基本还处于单机智能阶段；对于智能产业，AIoT已经进入到互联智能阶段。

AIoT发展还面临很多的挑战，包括算力、算法、平台兼容性、安全性四个方面：

算力。普通计算机的计算能力有限，利用其训练一个模型往往需要数周至数月的时间。密集和频繁地使用高速计算资源面临成本压力；

算法。AI的训练所需的时间非常长，目前仅训练一些简单的识别尚需数周时间，面对未来应用场景的丰富性，有必要在算法层面予以增强。此外，基础算法非常复杂，应用的企业开发者能力不足；

平台兼容性。物联网产品碎片化，而各AI公司生态之间又缺乏协同，本地算力、网络连接能力、平台间的不兼容，要把框架里的算法部署到数量众多的物联网设备上，大规模部署问题重重；

安全性，人工智能决策的正确性受IoT数据的精确度影响，AI的分析结构还缺乏可解释性，AIoT还存在被攻击而成为僵尸物联网的风险。

由此可见，未来AIoT的发展，仍然需要标准化推动，企业间合作提升兼容性，需要威胁情报共享，从而增强安全保障能力。

（来源：雷锋网，中关村互联网金融研究院）