前者使物联网（IoT）向智能互联网（AIoT）演进，从单一的连接能力拓展到复杂的应用能力，类似于移动互联网时代从功能机到智能手机的跨越；后者进一步深化物联网为诸如家电、工业、城市建设等复杂场景提供网络基础，使万物互联、甚至万物智能互联成为可能。也使得智能互联网从面向消费者的应用扩展到行业应用，这类似于智能手机从3G时代向4G时代的跨越。
从最初的WiFi技术、窄带物联网技术，到现在的5G技术，随着网络技术的演进，整个物联网技术体系发生了怎样的变化？尤其是5G的到来给AIoT的应用带来了哪些机遇？和挑战？
近日，在物联网智库主办的首届智物AIoT产业领袖峰会上，中国工程院院士邬贺铨详细讲解了5G技术要点、如何为5G业务发展做准备以及5G时代AIoT技术和标准将如何演进。问题。
以下为邬贺铨院士现场演讲内容。雷锋网在不改变原意的情况下进行了编辑整理：
5G网络架构及技术特点
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发放5G商用牌照，我国5G商用实施正式开始。就5G技术而言，它可以分为多个层次。
从云端到终端，5G网络可分为无线接入网、光纤传输承载网、转发面技术、业务互联网技术。其中，最重要的转发平面技术可分为L1.5和L2。L3三层：
L1.5：灵活以太网交叉连接（FlexE）； L2：MAC层帧交换，基于以太网的延迟敏感网络（TSN）； L3：IP层无连接路由，面向连接的源路由（SR）。这样的网络架构形成的5G网络需要超密集组网、大规模天线阵列、全频谱接入、新型多址技术和网络技术的支持。这也使得5G网络具有增强的移动带宽、高可靠性和低延迟。广覆盖、广连接的特点以及相应的应用场景，使得5G网络在峰值速度、用户体验数据速率、频谱效率、移动性、无线接口时延、连接密度、能源效率等方面与上一代4G网络相比、流量密度等性能参数得到了数倍甚至数十倍的提升（具体性能对比见下图右表）。
邬贺铨院士认为，正是由于5G的上述技术特点，其应用场景才能从消费应用拓展到行业应用。
5G时代，AI带来的“网络功能虚拟化”和“软件定义网络”
在传统互联网的发展过程中，最初的网络不够稳定，包括传感器数据、语音数据、视频数据等数据服务。所有业务均以IP报文的形式独立路由，并以IP报文为单位在路由器中转发。其实，这是不科学的。
以长视频为例。一个长视频需要被分割成无数的IP数据包，每个IP数据包都需要重复路由。邬贺铨将如此大量的数据传输比作搬家：如果我们点了快餐，我们可以请送货员来送；但如果我们搬家，我们不会让成百上千的快递小哥去做这样的工作。
因此，5G需要在传输层进行改进，需要多种不同层次的转发单元来适应不同规模的业务流。也就是说，IP报文不仅可以在路由器层进行交换，还可以在交换机层和交叉连接点层进行交换。根据业务模块数据量的不同，选择不同的交换方式。
这种业界认可的网络传输方式给当前的5G网络带来了两个挑战：
一方面是实现转发侧的功能多样性。路由器和交换机在不同的时间段使用，甚至在同一时间段，路由器用于转发传感器链路，交换机用于连接视频链路。如何同时执行不同的功能成为一个大问题。传统方法使用单独的软件和硬件来实现。如今的5G网络采用通道硬件，即网络功能虚拟化（NFV），通过软件定义来实现硬件功能定义，实现功能多样性。
另一方面是实现智能化管理。传统互联网是个傻子。无需区分是什么类型的链接。无论什么样的业务，都会被分成IP包进行传输。现在我们需要区分服务和功能，这就需要智能网络。没有人工智能，5G就无法实现网络功能虚拟化。
邬贺铨在会上解释道，传统路由器收到IP数据包时，需要先打开IP数据包检查地址，然后按照最短路由发送到下一个路由器。因此，整个传输链路就是一个路由器转发的过程。现在我们希望通过网络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，最终得出整个网络从起点到终点的最优路径。这一定不是逐路由器转发，而是面向连接。从源到终端路由器的整条路径都已选择，而不是每个路由器单独选择路径。这种方法使5G能够实现低延迟和高速度。可靠的。
上述路由方法是通过软件定义网络（SDN）来实现的。
SDN可以将业务控制层和传输承载层分离，形成基于大数据和人工智能的灵活可扩展的即插即用资源池，实现端到端路由，避免有安全风险的路由。
5G关键技术网络切片
5G网络不仅需要支持时速100公里高铁上的高速应用场景，还需要支持80%左右的时间坐在家里或办公室使用移动设备的相对静态的应用场景电话。这就需要5G具备切片能力。
在实际应用场景中，大多数场景下手机的使用都需要KB的网络传输能力。同时，还有车联网等应用场景需要GB级的传输能力；还有智慧医疗、工业互联网等对可靠性要求较高的应用。也有消费领域对高可靠性需求不强烈的场景。
面对如此复杂的应用场景需求，以往的网络都是通过改变物理网络来实现不同的应用。目前的5G网络采用同一网络，通过逻辑切片组织不同业务的专用网络，实现规模化部署。网络建设对带宽、宽连接、低时延、高可靠性有着不同的要求。未来，物联网服务也将在5G网络中拥有自己独立的通道。
网络切片可以很好地满足各种应用场景对网络能力的特定要求，但也给网络建设带来了一定的挑战。以业务切片的安全为例，需要考虑以下安全需求：
切片授权和访问控制；切片之间的资源冲突；切片之间安全隔离；切片用户的隐私保护；以切片模式隔离故障网元。
5G技术推动边缘计算应用
5G的切片能力带来了针对不同业务需求的专用网络。同时，5G也将有力推动边缘计算的应用和普及。
为了适应工业互联网、视频业务、VR/AR、车联网、远程医疗等低时延需求，这些业务的存储和内容分发需要迁移到边缘计算进行处理。
虽然5G的空口时延已经降低到1ms，但如果在地面长距离传输到中央云，时延仍然会很大。对于AR/VR、远程医疗等需要快速响应的应用场景，为了实现低时延、高可靠性，5G需要将云能力从中心云分解到边缘云。边缘云负责处理时间敏感的服务。一些数据被过滤掉，然后发送到中央云端。中心云从多个边缘云收集数据后，会进行优化学习，然后将数据模型发送到边缘云。
5G时代，边缘计算可用于过滤和压缩数据。通过边缘云模式，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预测数据显示，2020年50%的数据将在边缘云处理。作为物联网的基础设施，边缘云将占基础设施总支出的18%。
同时，边缘计算也将成为整个物联网基础设施的一部分。
如何为5G业务发展做好准备
5G最热门的应用场景有哪些？
现在我们说5G有三大应用场景。但没有人能说出5G最热门的应用场景是什么。邬贺铨解释说，3G刚应用的时候，还没有智能手机和微信，现在还没有手机。 4G刚推出时，微信不能进行移动支付，也不支持视频通话； 4G网速提速、资费降低后，只出现了抖音、快手短视频。可见，所有的移动互联网业务都是在移动互联网能力出现之后才出现的。所以我们不能说现在哪个应用程序最受欢迎，但这并不意味着我们不会为5G服务的未来发展做好准备。
如何为5G业务发展做好准备？
这是一个不确定的情况。假设这里的每个人都有相同的手机型号，但这并不意味着每个人的手机都具有相同的功能，因为每个人的手机下载的APP都是不同的。
5G网络也将采用类似的商业模式，以APP的形式生成定制单元。此类APP可以由运营商或第三方开发商定制。这使得5G网络能够灵活适应未来不确定的业务。
另外，传统移动通信协议都是专用协议，5G将全部采用物联网协议。这使得物联网中的所有应用都可以直接嫁接到5G上，为5G带来业务灵活性。
但这种方法存在一定的风险。最初，运营商的协议是专有的，运营商的能力是封闭的。现在开放了，很容易出现网络安全问题。因此，如果4G的安全能力再次应用到5G上，5G网络将不再安全。因此，有必要提高5G的安全能力。目前相关组织正在加强5G的安全能力，相关能力也在逐步完善。
尽管如此，毫无疑问5G对于AIoT的应用将是极其有利的因素。
NB-IoT和eMTC纳入5G技术标准
一些大型企业希望在非授权频段使用LoRa来建设内部网络。同时，对于大量中小企业来说，建立自己的物联网并不经济。工作在授权频段的NB-IoT可以为企业提供一个多载波、承载于公共通信网络上的专用物联网，该网络支持多个20KB或250KB信道，并具有以下四个特点：
覆盖范围广：比GSM覆盖面积大一百倍；大连接：比移动网络草案大50-100倍；低功耗：终端模块功耗是2G的1/10；成本低：单个连接模块的目标价格为1 美元。
预计今年年底，三大运营商将实现全国二三四线城市大部分地区的全覆盖。邬贺铨在会上表示。
尽管如此，NB-IoT网络仍然存在三个明显的缺点：
第一，带宽只有20K\250K，不能降低或提高；其次，NB-IoT传感器是固定位置的，不支持移动部署，而工业应用工件、机器人和车联网传感器是移动的；第三，NB-IoT模块无法与人交互。
为此，除了NB-IoT之外，业界也在制定新的物联网标准，比如支持1M带宽、支持移动部署、可以实现人机交互的eMTC； mMTC支持160bps带宽，可实现大连接。
本来这些与5G无关，但近日，3GPP通过仿真向ITU提交报告，表明工作在LTE及未来5G频段的NB-IoT和eMTC满足5G的连接密度要求（5G大连接）要求：100万/1k设备联网；10秒内传输延迟不高于1%；一定的连接效率），因此，NB-IoT和eMTC可以纳入5G低功耗广域网（LPWAN） ）物联网标准。
新的5G物联网将工作在5G频段的NB-IoT、eMTC以及未来的mMTC纳入5G物联网标准。
5G、AI、IoT技术融合
从互联网、移动互联网，到物联网、无处不在的物联网，再到现在的智能物联网（AIoT），AIoT可以说是AI与IoT的融合，将人工智能技术应用到互联网上东西的。
物联网和人工智能之间有什么关系？
物联网解决了底层的连接和数据传输问题。 AIoT注重物联网的应用形态，强调应用服务和后端处理能力。
人工智能和物联网相辅相成。物联网为人工智能提供了深度学习所需的大量训练数据。 IoT场景化互联也为AI的快速落地提供了基础；人工智能将连接后产生的海量数据通过分析和决策转化为价值，进而引导物联网的正确应用和效率提升。
5G、人工智能、物联网三者之间有何关系？
5G连接AI和IoT，成为高带宽、大连接、低时延的可靠通道。
通过5G，将物联网提升到人工智能的层面，体现物联网的价值；同时，5G有助于AI与IoT结合，产生落地效应。
语音识别、人脸识别、步态识别等应用：
贵州80%以上的击键使用人像大数据系统；腾讯优图人脸识别能力近两年已帮助数千个家庭寻找失踪亲人； 2019年7月香港发生暴力事件，暴徒几乎都戴着口罩和头盔，为了避免使用头盔进行人脸识别，需要利用步态识别技术，根据身高、腿骨、肌肉、关节等体形特征来识别步态，以及行走姿势。 …AIoT应用领域：智能家居、智能城市、智能工业
AIOT的第一个应用领域是智能家居。
智能家居有多个入口，比如智能手机、智能音箱、智能电视、智能门锁、未来的智能机器人等。这些都是智能家居的控制中心，未来可能会有更多的品类，实现更好的控制。 5G+边缘计算可以更好地支持此类场景应用。
IDC报告显示，到2020年，全球AI系统将为家电企业带来超过470亿美元收入，成为产业发展的下一个风口。
智慧城市对于AIoT也有很好的应用，例如：
智慧路灯利用AI摄像头检测道路上的行人，从而自动调节亮度，整体能耗降低40%；智能井盖可在1分钟内感知井盖位置是否异常，例如被移动或被盗。等待，从而消除现有的安全隐患；智能垃圾桶可以实时检测垃圾桶的状况，溢出时自动通知，可以降低30%的垃圾清扫效率；……此外，行业的智能化才是我们所需要的。
例如，工厂的数字化将工厂内的数控机床和生产设备连接起来。对于新建工厂来说，光纤是最佳选择。然而，用光纤取代大量老旧工厂却很困难。
因此，大家想到了通过无线技术连接这些设备。然而，现有WiFi技术的带宽、扩展性和抗干扰能力难以满足工厂环境的实际应用需求。工业领域WiFi连接的利用率不足6%。
5G在可靠性和抗干扰能力方面可以满足工厂环境的需求，因此可以用于企业外部网络和企业内部网络。其中，企业内网应用可分为5G公网和5G专网。
5G公网是指利用运营商的基站在自己的工厂建设网络系统。也有很多工厂干脆将控制部分交给操作人员。
5G专网是指工厂自建的5G专网。欧盟认为76M专用频段可以预留给工业应用。许多工厂可能没有机会使用专用频率，这样的网络也会干扰周围的网络。
其中，现在广泛应用的公网5G就是采用TDD的模式。根据某一频率的不同定时，分为上行链路和下行链路。在工业互联网中，上传所需的带宽较高，而返回指令的带宽较低。TDD的下行时隙多于上行时隙。
其中，机器人未来将得到广泛应用，5G+8k+移动边缘计算可以让机器人反应更快。中国商飞采用8K高清摄像头扫描飞机蒙皮铆接质量，并通过5G宽带快速连接公司云平台，显着提升效率和检验质量。中国商飞还利用5G的低延迟来同步两个摄像头，并将两侧拍摄的视频合成为飞机的精确3D视图；
机器视觉也将得到广泛应用。前瞻产业研究院数据显示，我国每天有超过350万工人对生产线进行目视检查，其中仅3C行业就超过150万。但人工检测的准确率不高。机器视觉需要边缘计算和中央云的大规模AI比对和分析能力。 5G为云连接提供宽带、快速通道。
AIoT产业链、发展阶段及挑战
AIoT本身是一个很长的产业链，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（占比55%） ）%）。可以看到，软件开发和系统集成业务占比较高，达到55%。 AIoT相对拓展了物联网原有的产业链。同时，AIoT更加重视产业链中的AI芯片和AI能力开发平台，从而进一步提高软件开发和系统集成业务的比重。
邬贺铨认为，AIoT将经历三个发展阶段：
单机智能阶段：单机系统需要准确感知、识别、理解用户的各种指令，如语音、手势等，并做出正确的决策、执行和反馈。在此过程中，设备之间没有相互接触；
互联智能阶段：利用集中云或边缘计算控制多个终端（传感器），形成互联的产品矩阵，打破单机智能的孤岛效应，不断升级优化智能体验场景。当用户晚上对卧室的空调说睡眠模式时，客厅的电视、音箱、窗帘、灯光等会自动关闭；
主动智能阶段：智能系统进行自我学习，根据用户行为偏好、用户画像、环境等各类信息，主动提供适合用户的服务。例如，随着清晨光线的变化，窗帘自动缓慢打开，扬声器播放悦耳的叫醒音乐，空调调节以适应白天的温度。
目前，对于智能家居来说，AIoT基本还处于单机智能阶段；对于智能行业来说，AIoT已经进入互联智能阶段。
AIoT的发展仍面临诸多挑战，包括算力、算法、平台兼容性、安全四个方面：
计算能力。普通计算机的计算能力有限，训练一个模型往往需要数周到数月的时间。高速计算资源密集频繁使用面临成本压力；
算法。 AI训练需要很长时间。目前，训练一些简单的识别只需要几周的时间。面对未来应用场景的丰富，需要在算法层面进行增强。另外，基础算法非常复杂，应用企业开发人员能力不足；
平台兼容性。物联网产品碎片化，各AI公司生态系统之间缺乏协调。本地计算能力、网络连接能力、平台之间也存在不兼容。需要将框架中的算法部署到大量的物联网设备上，并大规模部署。问题比比皆是；
安全性方面，人工决策的正确性受到物联网数据准确性的影响，AI的分析结构仍缺乏可解释性，AIoT也面临着被攻击而成为僵尸物联网的风险。
可见，AIoT未来发展仍需推动标准化、企业间合作提高兼容性、威胁情报共享提升安全能力。
