10月15日消息 昨天，由TD产业联盟、《移动通信》杂志社联合主办的“5G网络创新研讨会(2021)”在京拉开帷幕。本次研讨会以“推动网络演进，促进应用创新”为主题，来自政府、运营商、主流设备制造商等全产业链的多位嘉宾，围绕着5G网络演进与技术创新，网络智能化，5G精准助力千行百业数字化转型等热点话题，分享了各自的精彩观点。
在研讨会上，中国工程院院士、北京邮电大学教授张平应邀作了题为《从物联到智联--未来物联网发展趋势研究》的主题报告。张平指出，人工智能正在经历着由深度学习引发的第三次浪潮，而AI与5G的进一步融合，在数据、算法、算力和终端多个层面取得了长足的进步，对于解决当前移动通信所面临的挑战，也有很大的裨益！
数据层面，在通信网络中，大量的数据是是非结构化的，而且是高实时性的，这些特点导致传统数据分析和处理手段在处理大数据时效率低和灵活性差。而AI的优势在于能从具有复杂结构和内部相关性的结构中，自动提取高级特征，极大减少了昂贵的人工成本，同时数据量越大，AI的学习能力越强。
算法层面，过去的方法通过获取知识，基于物理学的数学模型，或者基于概率论，对模块来进行优化。但在现网中，无线信道存在着一些非线性的噪声和失真，导致在理论值和真实数据之间存在着误差。而深度学习方法提供的流程示意图，训练阶段和推理阶段是一体的，从理论上课一学习任何隐结构和隐参数，从而拟合任意复杂的函数，进行无线信道环境的感知，以及网络状态空间刻划提供新的手段。同时深度学习的算法也能解决通信系统中传统方法无法建模和无法求解的难题，这为未来移动通信系统设计了全新的端到端架构，提供新的思路。
算力层面，分布式并行计算和云计算带来了强大的算力，而且由于人工智能训练任务所使用的算力呈指数级增长，基于图形处理单元的并行计算，使得深度学习能在毫秒内进行海量数据处理，实现了算力集约化与大规模应用，为终端带来无比强大的算力。而AI技术的引入，使得算力需求进一步降低，为人工智能在移动通信应用提供了有利的软硬件支撑。
终端层面，在边缘网络和终端平台的智能化方面，由于5G网络引入了边缘计算的架构，具备学习的能力，将成为拥有智能功能的终端设备。移动通信与人工智能二者结合产生的网络边缘以及终端智能化，将会驱动新一轮新的工业革命而改变我们的商业模式。这种应用可以看到在后5G或者6G时代，用户的智能化需求将被深度挖掘和实现，会深刻影响移动通信发展的趋势，技术革新和演进的布局。基于大数据、大算力、大算法的三大基础能力，可以以人驱动的人治模式，转变为网络自我驱动的自治模式，实现网络的自适应、行为自学习和功能自演进功能，从而迸发出诸多的创新应用，推动社会进步生产力进步。
张平认为，在无线通信现网中，AI应用还处于初期阶段，但是它有丰富的场景和业务需求，在无线网络性能增强、网络运维效能提升、新型业务使能和安全防护能力提升等方面，有着广阔的应用前景。
张平表示，每一次通信技术的标准更迭，都伴随着时代的跨越，以及人们生活方式的改变。20世纪80年代诞生的1G，催生了移动话音业务；2G通过功能的增加，使得文本通信和语言通信并存；由于传输速率的提升，3G时代音乐、图片、视频等多媒体业务开始出现；4G由于传输速率进一步提升，使得网购、社交、直播、短视频成为可能；5G的出现极大丰富了移动通信的应用场景，为智慧城市、智慧交通、智能制造、智慧能源等成为可能。
而这个变化的背后，是众多互联关键技术的提升。比如大规模天线阵列，支持数十个独立空间数据流，数倍提升多用户的频谱效率；超密集组网，实现频率复用效率的巨大提升，在局部热点区域实现了百倍量级的容量提升；全频谱的接入，有效地利用了各类移动频谱的资源，提升数据的传输数据和系统容量；新型多址技术使得接入能力明显提升，降低了限定开销，缩短了接入时延，节省了终端功率；网络切片技术则可以满足不同场景和用户的需求，边缘计算使得应用功能随着网关下沉，为更快的网络服务和响应成为可能。
张平指出，这些技术的进步，扩展了移动通信的应用场景，提供了更多可能性。增强移动宽带eMBB，能够提供诸如AR/VR还有3D、UHD视频以及HD语音，还有云游戏和云办公。海量机器通信mMTC，使得M2M智慧家庭、城市以及智慧物流成为可能。高可靠和低时延通信uRLCC，使自动驾驶、工业自动化远程医疗和无人机成为可能。
随着技术演进和与垂直行业结合的深入，5G也在不断的升级，在旧场景做到增强，新场景做到扩展，从原来的“能力三角”扩展为能力更强的“六边形”。上行超宽带，使能超清视频回传以及机器视觉；通信感知融合使得定位以及V-2X成为可能；宽带实时交互，让XR和全息通信变成了现实。“这证明了5G仍然需要进一步的演进，满足更多多样性，更复杂的全场景物联需求；5G-Advanced的演进增强了5G的生命力，加速了千行百业智能化的演进，为垂直行业和万物互联智联化演进提供了更大的使能。”
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
