物聯網 (IoT) 是移動運營商的主要商機。這就是為什么從頭開始設計 5G 以支持苛刻的物聯網用例和要求——包括 4G 和 Wi-Fi 難以處理的用例和要求。
例如，5G 具有三個非常適合工業 4.0 應用的功能集。其中包括超可靠低延遲通信 (URLLC)，可將延遲減少至低至一毫秒，這對于時間敏感網絡 (TSN) 和大規模機器類型通信 (mMTC) 等關鍵任務用例至關重要，這使 5G 網絡能夠支持每平方公里多達 100 萬個物聯網設備，例如自主材料處理機、工業機器人和傳感器。最后一個功能集是增強型移動寬帶 (eMBB)，它支持帶寬密集型應用，例如工廠內部和周圍的 4K 攝像機，以監控生產、員工安全和人身安全。
即使擁有這些和其他先進功能，移動運營商仍需要額外的工具來確保其 5G 網絡能夠充分利用物聯網機會。 Analysys Mason 的一項調查顯示，私有 5G 網絡的運營商也是如此，76% 的制造商計劃到 2024 年部署這些網絡。
超越基線 5G人工智能和機器學習 (AI/ML) 為工業 4.0 及其帶來的好處奠定了基礎。工業 4.0 中的關鍵任務用例需要超實時的 AI/ML 性能。因此，5G 不能只是啟用人工智能。它必須是 AI 原生的。
AI 原生是指在 5G 網絡功能中構建 AI/ML 功能。這方面的一個例子是集成 AI/ML 以增強無線電接入網絡 (RAN) 媒體訪問控制 (MAC) 調度程序。借助此功能，網絡可以通過超實時預測分析智能地提高體驗質量 (QoE)。 QoE 對于智能制造等用例至關重要，在這些用例中，數字雙胞胎等技術可以通過沉浸式體驗提供遠程人工協助來提高車間績效并增強安全性。
更重要的是，這種 AI/ML 增強也不必將運營商鎖定在專有生態系統中，并遭受供應商鎖定。運營商可以從 Open RAN (O-RAN) 指南中受益，提供更多選擇和靈活性，以最大限度地提高頻譜效率。這使他們能夠克服當今 RAN 架構的主要限制之一：無線電資源管理可能是靜態的，無法快速適應不斷變化的交通狀況和用戶行為。
這個例子還強調了 AI/ML 將如何從根本上改變 5G 通信系統以及它們在未來將如何設計和部署。 AI/ML 甚至能夠控制部分物理 (PHY) 和媒體訪問控制 (MAC) 層功能。所有這一切都直接有利于物聯網、大量工業 4.0 用例等——現在和未來。
優化效率和性能許多制造業物聯網應用旨在最大限度地提高效率。正如 AI/ML 如何改變 5G 網絡一樣，它也可以為制造物聯網應用做同樣的事情。在這里，它可以減少所需的無線電資源、電力和頻譜的數量。當然，節省的電力可以幫助運營商提高他們的綠色證書并節省資本支出和運營支出。例如，在公共 5G 網絡的情況下，節省的 CAPEX 和 OPEX 可以幫助運營商以具有競爭力的方式為其服務定價，但又能盈利——這是眾所周知的對成本敏感的物聯網市場的一大優勢。
即使在要求苛刻的用例中，這些好處也是可能的。例如，當實時 4K 視頻等物聯網應用需要超快的千兆速度時，它們不會比低帶寬應用需要更多的無線電資源、頻譜或功率。這怎么可能?
這是因為接入控制、無線資源調度、移動性管理和無線資源管理等RAN功能目前都是基于規則的。它們無法適應網絡的動態，或每個物聯網設備訪問的服務。當引入 ML 的智能自動化為 RAN 功能提供動力時，尤其是在較低的協議層中，它可以動態地做出決策，以實現高效的網絡資源分配并改善用戶體驗。因此，它可以動態提升實時 4K 視頻等用例。
注入 AI/ML 時的關鍵考慮因素將 ML 引入較低 RAN 層時的關鍵挑戰是可用于調度決策的時間窗口有限，大約需要 1 毫秒。對于分秒必爭的物聯網應用，機器學習算法不能引入任何延遲。即使是幾秒鐘的處理延遲也會嚴重影響整體 QoE 并破壞頻譜效率。
確?；?ML 的更新可以在現有的 5G-gNodeB 平臺上運行而無需硬件加速器或 GPU 也很重要。這可以通過將智能引入最關鍵和時間敏感的第 2 層 MAC 調度程序功能來實現，這些功能在無線電資源分配中起著關鍵作用。在實驗室環境中，這種方法將頻譜效率提高了 15%，同時將小區吞吐量提高了 11.76%。這就是使運營商(公共和私人)能夠動態提升每個 IoT 應用程序的 QoE 的原因。這是一項了不起的能力。
在 MAC 層，人工智能驅動的預測分析可以預測，然后根據每個物聯網設備的信號質量和移動模式為信號傳輸分配適當的調制和編碼方案 (MCS) 值。然后，RAN 可以跨不同的網絡層智能地分配 MAC 資源，以滿足每個定制的需求。例如，它可以提供更準確的 MCS 預測、實現更好的頻譜效率以及智能處理具有不同需求的不同設備。這種自動化可以有效地增加每個小區的流量，使運營商能夠管理更多的用戶并成功啟動新的物聯網應用程序。
強大、靈活、更環保的框架原生 AI 和 5G 的框架采用完全容器化的架構。它是云原生的，并作為獨立且松散耦合的微服務的集合運行。它們具有高度可擴展性，可以在公共云、私有云和混合云之上運行，從而為運營商提供更多的靈活性和選擇余地。他們使用服務網格架構進行托管、可觀察和安全的通信。通過使用 API 和服務網格來抽象微服務網絡的復雜性，這個強大的框架允許運營商和企業快速引入和擴展新服務。
由于硬件層和 AI 層都是抽象的，制造商和其他企業擁有保持連接、競爭力和盈利所需的敏捷性、性能和節省。與原生 AI 的連接對于行業數字化和加速工業 4.0 計劃至關重要。 AI原生方法通過智能鏈路自適應優化分配給用戶的無線電資源。這提高了 QoE 并支持關鍵任務操作。改進的 QoE 是 O-RAN 的關鍵屬性之一。 O-RAN 與原生 AI 是一個強大的組合。
原生 AI 和 5G O-RAN 的主要好處之一是特別及時。通過集成在一起，它們可以通過優化無線電資源和更高的帶寬為工業 4.0 提供出色的 QoE。重要的是，它可以在不消耗更多無線電資源的情況下這樣做。即傳輸無線電信號的功耗更低。簡而言之，這提高了能源效率并增強了可持續性。在研究顯示該行業的二氧化碳排放量幾乎是航空業的兩倍后，可持續發展被認為是電信公司議程的首要任務。顯然，移動網絡上的原生 AI 還不夠快。
X 關閉
X 關閉