5G 时代，AI 如何破竹而出？ | AI ProCon

责编 | 黄浩然

出品 | CSDN（ID：CSDNnews）

9月5日- 7日，一年一度的 AI 开发者大会(AI ProCon 2019)在北京隆重召开，来自业界近百位中美顶尖 AI 专家、知名企业代表以及千余名 AI 开发者齐聚一堂，围绕 AIoT、开源、自然语言处理、机器学习、小程序等技术进行了深刻地解读和产业论证。目前，大会虽已经完美落幕，但是技术专家留给我们的分享仍然值得我们细细品读与学习。

其中，在 AI 开发者大会的「5G驱动AIoT」分论坛，来自华为 IoT 标准产业与创新总监张朝辉带来了《5G时代的爱（AI）如何在物联网中轰轰烈烈》的演讲。

以下为演讲实录：

我在2000年参加工作，刚好赶上了3G的开发，亲身经历了中国通信产业从3G的追赶、4G的爆发到5G的领先的整个过程，不知不觉中我们已经领先了。

彼时做标准研究出身的我，肩负的重担之一就是“卡脖子”的问题。如今随着我们的持续投入，4G时基本可以和友商持平，而5G时我们领先了，这也说明持续投入很重要。

一直以来，华为的主线是通信，其业务变化包括监控视频、娱乐视频等，同时还有近两年发展起来的 NB-IoT。而除了通信之外，华为也有很多涉及到 IoT 的业务，也会应用到AI。

 

5G时代，AI和IoT之间有何关系？

事实上，IoT是一个商业闭环系统，如下连环画可以明了诠释三者的关系。彼时周幽王通过烽火戏诸侯是一个表达爱情的闭环。烽火代表当时的通信手段，周幽王调动了所辖诸侯的军队（多少人工啊）表达倾国之爱（AI），神似有多少人工就有多少智能的AI本质。

如果我们做些推演，可基于此思考通信在里面发挥了什么作用？在当时的环境下，火被点燃之际军队就过来了，而如果当时通信工具再发达一些，能够有更高的带宽等，也许军队就会明白这是一个演习，派出一个文工团过来就即可，所以通信是在IoT里面解决带宽可靠性、稳定性的问题。

 

5G和IoT有着怎样的命运共同体？

都说互联网业务是羊毛出在猪身上，其实从通信的角度来看也不新鲜，几十年前就已经发生。GSM在开始研发时，需求其实来自欧洲的铁路系统，当时大家讨论：用什么方式通信？

最开始，需要组建一个专用的系统，后来从成本和监管、资源方面考虑，要用民用的通信系统承载这些业务，所以当时铁路系统的发展对通信也是一个很大的促进。

GSM并非一帆风顺

现在看来，GSM行业发展得非常成功，但其实最开始时大家都不愿去投。当时面向通话业务的模拟通信系统还在规模使用，面向未来日本开发了小灵通技术，其成熟度是比较高的。面向消息的寻呼业务在当时基本上是标配，欧洲市场中小朋友都会佩戴，正如现在的智能手表一样。而高端通话市场是摩托罗拉的铱星系统，主要针对商用的客户。当各层次市场的业务都已经形成了非常强大的竞争，GSM到底要不要做？欧洲当时邮政体系的官员非常地有远见，最后促成了GSM的诞生。  

GSM十年磨一剑,G由此而来

GSM从技术到政府监管再到市场成功，这是自顶向下产业成功的经典案例。欧洲人特别喜欢逻辑思维，顶层设计和框架设计方面都是非常值得我们学习的，提出的几个原则也成为了GSM成功的重要基础：

1.政府监管层面负责统一频谱资源、统一技术框架。作为业务能够规模化的基础，频谱就是无线通信的生命。而这些企业做不了，只有政府可以做。众所周知，技术涉及到专利的知识产权问题时，很容易就会变成大家的工具，政府引导的过程中也制定了市场很友好的策略，保证了公平公正无歧视的原则，制定好专利后被产业采纳，技术许可对任何人都没有歧视。

2.运营商的商业规则有非常重要的一点：互联互通和漫游规则，这是移动通信中核心的规则，只有这样的互联互通和漫游规则的制定才能使移动通信变成一个业务。因为大家都很了解网络效应，加入的成员越多网络的价值越大。高投入决定了不可能由一个运营商承接所有网络，因为都是联邦制，所以互联互通以及漫游显得非常重要。中国移动和中国联通的网络连接起来，漫游就意味着AT&T的用户到中国移动的网络也可以通话，这样的规则就是具备全球规模化的顶层设计。

3.从技术开发的组织来看，当时创立了专门的标准化组织负责为GSM开发技术规范，技术层面设定了非常重要的规则：终端、基站和核心网络通过标准化接口，确保异厂家设备互操作。这种标准化带来的产业好处是各个部分可以独立发展、独立演进，可以降低各个部分的成本，这种技术设计原则和商业是紧密相关的，而且从产业角度来看，这种标准化的方式对产业的成熟会起到非常重要的作用。

按照整体来看，首先是市场开放，谁都可以进来，而且要技术协作。运营商的研究人员、政府、大学以及爱立信等企业，在很多方面都有自己的想法，且技术也允许在公开的平台提供，做出来的东西能够保证互联互通漫游。开放竞争是要把GSM做成老百姓都消费得起的业务，这点至关重要。

从1982年做到1991年，经历了规范发布、产品开发验证再到规模商用，加起来正好十年，真的是十年磨一剑！

GSM技术决策过程以及对未来的启示

引用GSM决策的过程，对开发非常有启示。当时GSM技术面临着第二代革命，第一代是基于模拟的技术。因为发展面临着一些瓶颈，主要源于规模上不去，无论是模拟技术还是数字技术，都是技术当中比较核心的部分。整个技术组织的综合评估，以及最后在里面选择数字化技术，其中包含了很多成功的要素。数字化技术带来的不仅是容量的提升，一个频率可以直接带来规模效益。也未后面的计算也会带来优势，包括复杂度和终端成本极大的降低。

这条启示就是要选择趋势性的技术。当时数字技术的起点较高，动用了欧洲整体的技术力量。其次具体技术的实现是从低配置做起，旨在实现量产。然后在技术架构设计相互解耦，各自独立演进，为技术的进步带来了可能性。

之前网络构建时，不同的阶段有不同的技术功能以及业务形态，这些从2G一直发展到5G。

在2G时大家可以感受到这是一个专用于话音的网络：打电话发短信。网络中很多地方都针对话音做了优化，无论是传输还是编解码都有很多针对话音的优化。

到了3G时，话音和数据并举。当时较火的ATM后来被IP打败，因为IP代表着低成本，普适性也较好，而ATM应用起来特别难。

之前也谈过3G和2G有什么区别，从架构图上我们可以看到后面连接的是ATM，3G再演进系统架构又发生了变化，IP技术得到广泛应用，可以更好地支撑数据的发展。

到了4G时，乔布斯的智能手机把通信业救活了，数据业务得到了爆发。因为移动业务兴起，通信业最紧张的是数据把网络撑破，整个网络架构走向全IP，核心网是SAE架构，其实已经全部基于IP技术。无线多天线等技术可劲提升容量，整个业务的设计都是以吞吐量为中心。

现在的5G是IoT驱动，总结的三种通信模式都是从行业应用的角度提炼归纳出的。因为通过我们做的行业应用发现，通信技术将来都是和终端业务直接相关。5G提供的三种模式也是从各种业务中提炼出来，最后看适用最普适的业务都有哪些。

按照IoT的角度去看，2G时已经出现了语音应用，包括短消息等。到了3G，通信网络做到e-Call。主要是针对汽车，当车发生事故时自动发起紧急呼叫。3G时代开放定位的业务是非常基础的IoT能力，包括地震预警这些业务，都和通信、时延紧密相关。4G时代则更多，开放NB-IoT和LTE-M，主要因为带宽更高，能够支持中等宽带的应用，可以有音视频的业务承载。而PWS做的也是公共安全、政府应急和相关业务。5G应用领域上面已经提及，目前第一波能够商用的是更高的移动宽带（面向人类使用的设备），超低时延超高可靠的真正应用还需要一段时间，NB-IoT已经被纳入5G，算是Massive IoT的技术族。

从网络架构角度看，可以发现网络演进上的一些变化：从以前的专用网络逐步解耦到应用和网络实现解耦，这样的启示是将来开发者在开发应用的时候应该有些抽象，上层应用不能依赖底层网络技术。实现解耦，开发起来会免除很大的限制。

5G： 万物互联的时代，AI和IoT的演绎

IoT代表行业当中的数字化驱动，尤其是可计算的商业闭环，代表着我们对IoT的直观理解。我更愿意把5G理解为5G时代，代表的是连接IoT神经通道，也代表着各种连接技术，不是单纯的宏网络，因为大家在IoT应用的时候可以有近场网络，比如Wi-Fi可以在家里广泛应用。所有我们看到的AI场景最后就是数据驱动的计算，能够产出价值效果。设备的数字化是可计算的基础，产业的规模化需要数据的标准化。从开发的角度去看，过多的碎片化会使成本拉升。因为开发一个东西希望到处都能用，在做更多项目的时候这个问题非常突出。

 

以案例论难题

最后，我们可以基于几个行业案例，探讨 AI 落地过程中遇到的难题。

智慧楼宇：完善的物模型是AI发挥的前提

上图为一个国际著名的商业地产运营商，一个广场十六个子系统，大概两三万点位的测点，除了基础传感器连接之外又产生了两三万的点位，数据增值很难判断，利用AI技术把那些CASE呈现出来，结果这个团队压力非常大，问题在于他们各种系统缺乏融合，后面的管理系统都是分割的。智慧楼宇当中最大的效应其实就是能耗，商业空调和中央空调对比供暖和制冷，但是商业楼宇当中无法确定哪些房间有人还是没人，所以导致效率比较低，说明我们所说的AI需要解决的首要问题是对物理环境进行数字化。

每个地方都有不同的设备，设备上面都有二维码，维护人员要去扫码统计维护，很多都是靠手工的，造成出错率和周期都特别长，集成的周期也非常长。因为涉及到不同的供应商，每一种品类后面又涉及到多个供应商，每个供应商的数据都是不一样的，这些对集成都是梦魇。设备集成厂家做了十几年，每做一个项目还有大量的定制，里面会有很多重复浪费。

电力行业： 应用与设备耦合是AI应用挑战

电网当中的应用分为两个部分：高压电经过的都是一次设备，二次设备是低压设备，主要是要监控一次设备是否工作正常。可以在某一个城市发现，不同的设备提供者都是牵涉到共同交付，但是国网客户遇到的问题是希望这样的 网络二次设备能够在大范围内统一管理和调度。电网和电信网络有些相似之处，就是具备全局优化的价值，所以会遇到应用垂直烟囱的问题，数据收上去很难被统一处理。

交通行业： 缺乏标准阻碍AIoT商业闭环

以自动驾驶为例，除了高速公路之外，另外一个比较火的场景就是AVP汽车场当中自主泊车。如今，该行业面临着很多碎片化的问题，比如AVP要想实现的话，定位当中的关键技术就是高精度的地图。现在各个地图服务商的存储格式都是不一致的，地下停车场通过视觉构筑地图的时候其中有些特殊标志，这些表达方式也是没有标准的。场侧和车侧也会发生交互，如果将来能够实现规模化，规范和流程是需要定义出来的，这样才能产生规模化的效应。

车辆要在停车场里跑的话，很多技术都是依赖车道线这样的标志，还有其它的特殊标志。这些标志标识其实要在停车场规范建设阶段实施，这样的规范也是对产业化比较关键的。其它的就是场侧传感数据的认证，涉及的数据到底是不是可信的，这些现在也是不完善的，所有的传感数据核心到底是多少，这是一个非常大的困惑。

要把这些业务做成老百姓平时可用的、非常实惠的应用，没有这些方面的规范，只是单个厂家的方案监管起来、实施起来，是很难形成规模的。

医疗行业： 缺乏数据标准阻碍AI规模应用

去年我参加工业互联网联盟看到这个案例的时候印象特别深刻。上海国资委底下的一个中心负责管理上海各个医疗机构，存在的问题就是单位特别分散。上海地区的医院大概有几千家，检测的结果主要是和影像设备相关，医院之间的标准是互相不认的，因为现在影像设备谁家都有且每家的格式都是不同的，基于此生成的数据对于将来产生的AI效果差异也是非常大的。图像的格式大小以及层次都会影响AI的效果，设备厂商不愿意把数据开放，导致的结果就是老百姓看病很困难，这需要监管层面的顶层设计，包括数据检测保护也是数据使用当中非常重要的。医疗行业如果要把AI应用做起来，非常需要类似GSMA这样的顶层设计，可以让数据流通起来。

 

总结

为什么AI在规模化行业应用？大家可以感知到各种视频，比如爱奇艺和今日头条都已经实现了数字化，而且具备海量的规模，所以在此基础上不管是自定义的标准---数据的格式，或者是动态的标准定义格式，都可以实现数据的规模化，所以在这方面的发展就非常迅速。现在如果我们去行业当中发展的话，需要解决的就是碎片化，这取决于后面AI能够走得多远，做得多大。

想要让AI轰轰烈烈，首先需要通过标准化的模型进行AI训练和流通，实现商业成功所追求的规模化效应：

● 对于设备厂商来讲，通过模型的定义可以实现设备的智能化增值；

● 对于云以及通信的基础设施提供者来讲，计算和连接能够得到应用的驱动；

● 对于开发者来讲，通过物模型的标准化也得到了AGI的标准化；

● 对于物联网的运营商来讲，获得的就是AI效益、安全、降本增效以及用户粘性。

5G is On，AIoT还会更远吗？5G时代万物连接为IoT提供了更多机遇，但所连接设备数据的数据成为产业规模化的瓶颈，只有通过标准化实现应用与设备解耦，解放数据的生产力，物联网的爱（AI）必然在5G时代燃爆。

【END】

 全面解析腾讯最新开源 loT 操作系统 TencentOS tiny！

 在 Windows 中使用 VS Code 编写 Linux 的代码自动补全 | CSDN 博文精选

 5G：连接 AI 与 IoT 的桥梁

 全教程：TencentOS tiny 移植到 STM32F103（基于标准库） | CSDN 博文精选

 华为鸿蒙为什么非要碰物联网？

点击阅读原文，即刻阅读《程序员大本营》最新期刊。