邬贺铨：解读5G技术关键点，及如何影响AIoT

来源：雷锋网

雷锋网按：物联网发展至今，有两项技术对其赋能产业起到了关键作用，一项是这两年发展神速的AI，另一项则是当下逐渐开始商用的5G。

前者使物联网（IoT）进化到智联网(AIoT)，从单一的连接能力拓展到复杂的应用能力，这类似移动互联网时代的功能机向智能机的跨越；后者为智联网进一步深入诸如家居、工业、城市建设等复杂场景提供了网络基础，使得万物互联，甚至万物智联成为可能，同时也使得智联网从面相消费应用扩展到面相产业应用，这类似智能手机从3G时代向4G时代的跨越。

从原有的WiFi技术，窄带物联网技术，到现在的5G技术，随着网络技术的进化，整个物联网技术体系有怎样的变化？尤其5G的到来，为AIoT的应用带来了怎样的机遇和挑战？

近日，在由物联网智库主办的首届“挚物·AIoT产业领袖峰会”上，中国工程院院士邬贺铨详细解读了5G技术关键点，如何为5G业务发展做准备，以及AIoT技术及标准在5G时代如何演进等关键问题。

以下为邬贺铨院士的现场演讲内容，雷锋网作了不改变原意的编辑及整理：

5G的网络架构和技术特性

随着2019年6月6日工信部正式向中国电信、中国移动、中国联通和中国广电四家运营商颁发5G商用牌照，我国5G商用落地正式展开。就5G技术层面而言，又可以分为多层来看。 上至云端，下至终端之间，5G网络又可以划分出无线接入网、光纤传输承载网、转发面技术、业务互联网技术，其中最重要的转发面技术又可以分为L1.5、L2、L3三层：

• L1.5：灵活的以太网交叉连接（FlexE）;
  
• L2：MAC层帧交换，基于以太网的时延敏感网路（TSN）；
• L3：IP层无连接选路，面向连接的源选路（SR）。

这样的网络架构形成的5G网络需要超密集组网、大规模天线阵、全频谱接入、新型多址技术及网络技术的支撑，这也使得5G网络得以拥有增强移动带宽、高可靠低延时、广覆盖广连接的特点及相应应用场景，使得5G网络相较于上一代的4G网络在诸如峰值速率、用户体验数据率、频谱效率、移动性、无线接口延时、连接密度、能效、流量密度等性能参数上都有数倍，乃至数十倍的提升（具体性能对比见下图右表）。

邬贺铨院士认为，也正是由于5G的以上技术特性，使得其应用场景得以从面相消费应用扩展到面向产业应用。 5G时代，AI带来的「网络功能虚拟化」和「软件定义网络」

传统互联网发展进程中，初期网络不够稳定，包括传感器数据、语音数据、视频数据等数据业务，所有业务都以IP包方式独立选路，以IP包为单位在路由器中转发。实际上，这样并不科学。

以长视频为例，一个长视频需要分割成无数个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需要在传输层做改进，需要有在不同层次的多种转发单元，以适应不同规模的业务流。即不仅可以在路由器中做IP包的交换，还需要能够在交换机、交叉连接点层上做交换。根据业务模块数据量大小，选择不同交换方式。 这一被业内公认的网络传输方式为当下5G网络带来了两方面的挑战：

• 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。

传统方法使用单独的软件和硬件来实现。现在的5G网络，硬件上采用通路的硬件，即网络功能虚拟化（NFV），通过软件定义实现硬件功能定义，实现功能的多样性。

• 另一方面是实现管理智能化。传统互联网是个“傻瓜”，不用区分是什么链路，不管是什么业务，都会分割成IP包进行传输。而现在需要区分业务、区分功能，这就需要智能化网络。

没有人工智能，5G也无法实现网络功能虚拟化。

邬贺铨在会上解释称，“传统路由器收到IP包需要先打开IP包查一下地址，然后按最短路线送到旁边的路由器，因而整个传送链路是逐个路由器转发的过程，现在我们希望通过网络的整个操作系统对全网进行大数据分析、人工智能分析，最终得出一个全网从起点到终点最优路径。这一定不是逐个路由器转发，而是面向连接，从源端已经将到达终端的路由器的整个路径已经选好，而不是每个路由器单独选路，这种方式使5G可以做到低时延、高可靠。” 以上提到的选路方式，正是通过软件定义网络（SDN）来实现的。

SDN可以实现业务控制层和传送承载层分离，基于大数据和人工智能形成可弹性扩展即插即用的资源池，实现端到端选路，可绕开有安全风险的路由。 

5G关键技术之网络切片

5G网络既需要支持百公里时速的高铁上的高速应用场景，同时也要满足80%左右时间是“坐在家里或办公室使用手机”的相对静止的应用场景。这使得5G需要拥有切片能力。

在实际应用场景中，多数场景中使用手机需要的是KB的网络传输能力，同时也有对GB级传输能力有需要的车联网等应用场景；有智慧医疗、工业互联网这样对高可靠有要求的应用场景，也有消费领域对高可靠并没有强烈需求的场景。 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网络则是使用同一个网络，通过逻辑上的切片组织针对不同业务的专用网络，以实现对大带宽、广连接、低延时高可靠有不同需求的网络构建，未来物联网的业务在5G网络中也会有各自单独的通道。 网络切片能够很好地满足各类应用场景对于网络能力的特定需求，同时也对网络构建带来了一定的挑战，以业务切片的安全为例，需要考虑以下安全需求：

切片授权与接入控制； 切片间的资源冲突； 切片间的安全隔离； 切片用户的隐私保护； 以切片方式隔离故障网元。

5G技术推进边缘计算的应用

5G的切片能力带来面向不同业务需求的专用网络，与此同时，5G也会强力推进边缘计算的应用与普及。 为适应工业互联网、视频业务、VR/AR、车联网及远程医疗的低延时需求，需要将这些业务的存储和内容分发下沉到边缘计算来处理。

虽然5G的空口时延减少到了1ms，但是如果在地面上长距离传输到中心云的话，延时还是会很大。对于AR/VR、远程医疗这类需要快速相应的应用场景，5G为了实现低时延、高可靠，需要将云端能力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，同时过滤掉一些数据，再送到中心云，中心云收集到若干边缘云的数据后会做优化学习，然后下发数据模型到边缘云。 在5G时代，利用边缘计算可以过滤和压缩数据，通过边缘云的模式，可以节省核心网络资源，成本仅为单独使用云计算的39%。 据IDC预测数据，2020年会有50%的数据都会在边缘云处理。边缘云作为物联网的基础设施，会占到真个基础设施支出的18%。 与此同时，边缘计算也将是整个物联网的基础设施的一部分。 如何为5G业务发展做准备

什么是5G最热门的应用场景？ “现在我们说5G有三大应用场景。但是谁也说不出来5G最热的应用场景是什么。”邬贺铨解释道，“3G刚开始应用的时候还没有智能手机，也没有微信；4G刚落地应用的时候，微信还不能做移动支付，也不支持视频通话；在4G网络提速降费后，抖音、快手短视频才出现。可见，所有移动互联网的业务是在移动互联网能力具备后才出现的。所以我们现在无法说哪种应用最热门，但是不等于说我们不为未来5G业务的发展做准备。” 如何为5G业务发展做准备？ 这是个不确定的情况。假设在座每个人的手机都是同一个型号，但这并不能说明每个人的手机的能力都一样的，因为每个人的手机下载的APP不一样。 5G网络也将采用类似的业务模式，以APP方式生成定制单元，这类APP可以是运营商定制的，也可以是第三方开发者定制的。这使得5G网络能够灵活适应未来不确定的业务。 另外，传统的移动通信协议是专用协议，5G采用的将全部是物联网的协议，这使得物联网中所有应用可以直接嫁接到5G上，给5G带来业务的灵活性。

但是这种方式有一定风险，原来运营商的协议是专用的，运营商的能力是封闭的，现在将其开放，就容易产生网络安全问题。因而，如果将4G的安全能力再次沿用到5G上，那么，5G网络将不再安全。因而需要提升5G的安全能力。相关组织目前正在增强5G的安全能力，相关能力也在逐步完善过程中。 尽管如此，但是毫无疑问的是，5G对AIoT的应用将是极为有利的因素。 NB-IoT、eMTC纳入5G技术标准中

部分大企业希望使用非许可频段的LoRa来建内部网络，与此同时，对于大量中小企业，自建物联网并不经济，工作在授权频段的NB-IoT可以为企业提供一个通过多载波方式、承载在公众通信网上的专用物联网，这一网络支持多个20KB或250KB的信道上，有以下四大特点：

广覆盖：比GSM覆盖面积大百倍； 大连接：比移动网络稿50-100倍； 低功耗：终端模块功耗为2G的1/10； 低成本：单个连接模块目标在1美元。

“预计今年年底，三大运营商在全国二三四线城市大部分地区都能实现全面覆盖。”邬贺铨在会上表示。 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，低也低不下去，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好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，可替身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”可以让机器人反映更敏感。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，人工之鞥呢决策的正确性受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。

张亚勤、刘慈欣、周鸿祎、王飞跃、约翰.翰兹联合推荐

这是一部力图破解21世纪前沿科技大爆发背后的规律与秘密，深度解读数十亿群体智能与数百亿机器智能如何经过50年形成互联网大脑模型，详细阐述互联网大脑为代表的超级智能如何深刻影响人类社会、产业与科技未来的最新著作。

《崛起的超级智能;互联网大脑如何影响科技未来》2019年7月中信出版社出版。刘锋著。了解详情请点击：【新书】崛起的超级智能：互联网大脑如何影响科技未来

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”