Matt Conran

如今，電信行業(yè)已經(jīng)明確需要更快的終端用戶數(shù)據(jù)速率。以前用戶很喜歡互相打電話和發(fā)短信，但是現(xiàn)在移動通信以一種我們意想不到的方式改變了我們的生活。

我們現(xiàn)在更傾向于基于影像和基于VR/AR視頻的通信。考慮到這些需求，這類應(yīng)用程序正在尋找一種新型的網(wǎng)絡(luò)。360°視頻應(yīng)用程序的沉浸式體驗(yàn)需要大量數(shù)據(jù)和零延遲網(wǎng)絡(luò)。分辨率相當(dāng)于4K電視分辨率的VR則需要1Gbps的帶寬才能流暢播放，要想進(jìn)行交互則需要2.5 Gbps的帶寬。同時(shí)兩者都需要低于10ms的最小延遲。這里的延遲時(shí)間指的是往返時(shí)間。不久之后，這些應(yīng)用程序?qū)涯繕?biāo)鎖定為智能手機(jī)，這將給網(wǎng)絡(luò)帶來更多壓力。隨著AR/VR服務(wù)的普及，只有5G網(wǎng)絡(luò)才能在速度和性能方面滿足需求。

對于每個(gè)物聯(lián)網(wǎng)設(shè)備來說，無論多么不智能，它們都會創(chuàng)建數(shù)據(jù)。這些數(shù)據(jù)就是人工智能引擎的動力。人工智能使我們能夠?qū)?shù)據(jù)做更多有趣的事情。我們將見證海量數(shù)據(jù)的最終目的，即將這些數(shù)據(jù)轉(zhuǎn)化為價(jià)值的能力。啟用5G所帶來的數(shù)據(jù)增長可以說是人工智能遇到的最大機(jī)遇。

有前所未有的海量數(shù)據(jù)需要在整個(gè)網(wǎng)絡(luò)中傳輸以進(jìn)行處理。在某些情況下為了確保低延遲，它們需要緩存在本地。為此，我們首先需要讓處理過程更靠近用戶，以實(shí)現(xiàn)超低的延遲和超高的吞吐量。

5G面臨的一些挑戰(zhàn)

5G的推出并非沒有挑戰(zhàn)。首先，它們非常昂貴并且分布方式是過去從未有過的。建立這種類型的網(wǎng)絡(luò)需要投入大量資金。位置對于有效規(guī)劃、部署和優(yōu)化5G網(wǎng)絡(luò)至關(guān)重要。

其次，5G毫米波自身也面臨著一些挑戰(zhàn)。一些技術(shù)可以讓用戶接收信號并將其發(fā)送給特定的客戶，而不是將其發(fā)送到各個(gè)方向。老的方法有點(diǎn)類似于燈泡，可以照亮房間的各個(gè)部分，而不是像手電筒那樣只能照亮特定的區(qū)域。

因此選擇合適的位置對5G網(wǎng)絡(luò)的發(fā)展和部署起著至關(guān)重要的作用。用戶必須分析一下自己選擇建設(shè)的地方是否合適，營銷活動的針對群體是否正確。如果選擇這個(gè)區(qū)域而不是別的區(qū)域，那么你希望注冊這些服務(wù)的新用戶是多少？你需要考慮到這個(gè)地區(qū)的人口、建筑結(jié)構(gòu)以及信號強(qiáng)度。

此外，我們必須了解當(dāng)?shù)匕l(fā)生洪水的可能性，并分析實(shí)時(shí)天氣以預(yù)測流量變化。如果有雷暴，我們需要了解這些事件將會如何影響網(wǎng)絡(luò)需求，然后進(jìn)行預(yù)測計(jì)算。當(dāng)然人工智能可以幫助預(yù)測這些事件。

人工智能——機(jī)遇之門

5G帶來了新的挑戰(zhàn)，但是通過將人工智能技術(shù)集成到網(wǎng)絡(luò)中不失為一種解決這些復(fù)雜問題的辦法。人工智能技術(shù)是適應(yīng)網(wǎng)絡(luò)，幫助管理和控制這一變化的關(guān)鍵組件。人工智能的另一個(gè)重要用例是網(wǎng)絡(luò)規(guī)劃和運(yùn)營。

在5G的建設(shè)中，每個(gè)地方都會有10萬個(gè)小型蜂窩，每個(gè)蜂窩都將與光纖線路相連。根據(jù)預(yù)測，全球?qū)荚O(shè)一千多萬個(gè)蜂窩。搞清楚如何規(guī)劃和設(shè)計(jì)所有的這些蜂窩將超出人類的能力范圍。人工智能在這方面可以幫助進(jìn)行站點(diǎn)評估，并告訴我們某些設(shè)計(jì)的吞吐量。

人工智能還可為5G基礎(chǔ)設(shè)施的建設(shè)提供幫助，輔助規(guī)劃蜂窩塔的位置，從而為5G部署確定最佳位置。它們還能夠連續(xù)監(jiān)測網(wǎng)絡(luò)的使用。如果其中一個(gè)蜂窩塔無法正常運(yùn)行，那么人工智能可以發(fā)出指令讓另一個(gè)蜂窩塔進(jìn)行接管。

以供應(yīng)商為中心的設(shè)備無法承受5G

隨著5G網(wǎng)絡(luò)的啟用，我們將會遇到海量數(shù)據(jù)。在某些情況下，人口集中地區(qū)每天的數(shù)據(jù)量可能會很高，其中大部分是視頻應(yīng)用程序造成的。以供應(yīng)商為中心的設(shè)備部署模型無法承受流量的這種指數(shù)級增長。

隨著處理、計(jì)算、存儲和網(wǎng)絡(luò)功能的發(fā)展，我們將看到這一領(lǐng)域會出現(xiàn)大量開源網(wǎng)絡(luò)項(xiàng)目。最終它們將會在網(wǎng)絡(luò)邊緣形成一個(gè)實(shí)時(shí)網(wǎng)絡(luò)。

在邊緣進(jìn)行更多的處理工作

邊緣計(jì)算涉及在更靠近用戶的網(wǎng)絡(luò)邊緣部署計(jì)算機(jī)、服務(wù)器和網(wǎng)絡(luò)。由于在邊緣提供了智能，因此可以減少流向骨干網(wǎng)的流量。

邊緣計(jì)算可以讓人工智能對象識別在0.35秒內(nèi)完成對目標(biāo)的識別。實(shí)際上，我們需要在邊緣部署圖像識別深度學(xué)習(xí)算法。位于網(wǎng)絡(luò)邊緣的算法則可以降低發(fā)送到骨干網(wǎng)的流量。

但是這也形成了一個(gè)新的攻擊面。幸運(yùn)的是，人工智能能夠在網(wǎng)絡(luò)安全方面發(fā)揮很好的作用。閉環(huán)系統(tǒng)可在網(wǎng)絡(luò)邊緣收集數(shù)據(jù)，識別威脅并采取實(shí)時(shí)措施。

邊緣和開源

我們提供了一些流行的開源選項(xiàng)供用戶選擇。開源邊緣計(jì)算的一些示例包括Akraino Edge Stack、ONAP開放網(wǎng)絡(luò)自動化平臺和Airship開放基礎(chǔ)設(shè)施項(xiàng)目。

Akraino Edge Stack創(chuàng)建了一個(gè)開源軟件堆棧，該堆棧支持高可用性云服務(wù)。這些服務(wù)也都針對邊緣計(jì)算系統(tǒng)和應(yīng)用程序進(jìn)行了優(yōu)化。

Akraino R1版本包含10個(gè)“成熟可靠”的藍(lán)圖，并為邊緣用例提供了功能齊全的邊緣堆棧。其范圍涵蓋工業(yè)物聯(lián)網(wǎng)、電信5G Core & vRAN、uCPE、SDWAN、邊緣媒體處理和運(yùn)營商邊緣媒體處理。

ONAP（開放網(wǎng)絡(luò)平臺）為Linux基金會托管的一個(gè)開源網(wǎng)絡(luò)項(xiàng)目，可為物理和虛擬網(wǎng)絡(luò)功能的實(shí)時(shí)性、策略驅(qū)動編排和自動化提供了一個(gè)綜合性平臺。

Airship開放基礎(chǔ)設(shè)施項(xiàng)目為一個(gè)針對自動化云配置與管理的開源工具集合。這些工具包括OpenStack Ironic、虛擬機(jī)專用的OpenStack、用于容器編排的Kubernetes和針對裸機(jī)的MaaS。

本文作者M(jìn)att Conran擁有超過19年的網(wǎng)絡(luò)行業(yè)從業(yè)經(jīng)驗(yàn)，曾經(jīng)服務(wù)于多個(gè)初創(chuàng)企業(yè)和政府機(jī)構(gòu)。此外，他還作為高級架師參與了全球某大型服務(wù)提供商和數(shù)據(jù)中心網(wǎng)絡(luò)的建設(shè)工作。

原文網(wǎng)址

https：//www.networkworld.com/article/3451718/ai-and-5g-entering-a-new-world-of-data.html