用5G和原生AI為工業4.0做好準備

利用5G和原生AI为工业4.0做好准备 人工智能和机器学习（AI/ML）为工业4.0和它带来的好处奠定了基础。 工业4.0中的关键任务用例需要超实时的AI/ML性能。 因此，5G不能只是实现人工智能，它必须是AI原生的。 物联网（IoT）是移动运营商的一个主要商业机会。 这就是为什么5G从一开始就被设计为支持苛刻的物联网用例和要求--包括那些4G和Wi-Fi难以处理的用例。 例如，5G有三个功能集，非常适合工业4.0应用。 其中包括超可靠低延迟通信（URLLC），它将延迟降低到1毫秒，这对于时间敏感网络（TSN）和大规模机器类型通信（mMTC）等任务关键型用例至关重要，使5G网络能够支持每平方公里100万台物联网设备，如自主材料处理机、工业机器人和传感器。 最后一个功能集是增强型移动宽带（eMBB），它可以实现带宽密集型应用，如工厂内和周围的4K摄像头，以监测生产、员工安全和个人安全。 即使有了这些和其他先进的功能，移动运营商将需要额外的工具来确保他们的5G网络能够充分利用物联网的机会。 私人5G网络的运营商也是如此，根据Analysys Mason的调查，76%的运营商计划在2024年前部署这些网络。 超越基线5G 人工智能和机器学习（AI/ML）为工业4.0和它带来的好处奠定了基础。 工业4.0中的关键任务用例需要超实时的AI/ML性能。 因此，5G不能只是实现人工智能，它必须是AI原生的。 AI原生是指在5G网络能力中建立AI/ML能力。 这方面的一个例子是整合AI/ML以增强无线接入网（RAN）媒体接入控制（MAC）调度器。 有了这种能力，网络可以通过超实时的预测分析，智能地改善体验质量（QoE）。 QoE对于智能制造等用例至关重要，在这些用例中，数字双胞胎等技术可以通过沉浸式体验提供远程人工协助，以改善车间性能并提高安全性。 更重要的是，这种人工智能/ML的增强也不必将运营商锁定在专有的生态系统中，并遭受供应商锁定的影响。 运营商可以从开放无线网络（O-RAN）准则中受益，提供更多的选择和灵活性，最大限度地提高频谱效率。 这种灵活性使他们能够克服当今RAN架构的主要限制之一：无线电资源管理可能是静态的，不能迅速适应不断变化的流量条件和用户行为。 这个例子还强调了AI/ML将如何从根本上改变5G通信系统以及未来的设计和部署方式。 AI/ML甚至可以控制一些物理（PHY）和媒体访问控制（MAC）层功能。 所有这些都直接有利于物联网、众多工业4.0用例以及更多--现在和未来。 优化效率和性能 许多制造业的物联网应用被设计成效率最大化。 正如AI/ML正在改变5G网络一样，它可以为制造业物联网应用做同样的事情。 在这里，它可以减少所需的无线电资源、电力和频谱的数量。 当然，节省的电力可以帮助运营商提高他们的绿色证书，节省CAPEX和OPEX。 例如，在公共5G网络的情况下，节省的CAPEX和OPEX可以帮助运营商为他们的服务定价，具有竞争力，但也有利可图--这是众所周知的成本敏感的物联网市场优势的重要部分。 这些优势甚至在苛刻的用例中也是可能的。 例如，当物联网应用，如实时4K视频需要超快的千兆速度时，它们不需要比低带宽应用更多的无线电资源、频谱或功率。 这怎么可能呢？ 这是因为RAN的功能，如接入控制、无线电资源调度、移动性管理和无线电资源管理目前是基于规则的。 它们不能适应网络的动态变化，或每个物联网设备访问的服务。 当ML引入的智能自动化为RAN功能提供动力时，特别是在较低的协议层，它可以动态地做出决策，以实现有效的网络资源分配和改善用户体验。 因此，它可以动态地促进诸如实时4K视频等用例。 注入AI/ML时的关键考虑因素 在将ML引入较低的RAN层时，一个关键的挑战是可用于调度决策的有限时间窗口，大约需要1毫秒。 对于每一秒钟都很重要的物联网应用，机器学习算法不能在任何时候都能发挥其作用。