物聯網與5G技術如何讓人工智慧發揮更大的作用

本文由騰訊數碼獨家發布

在大約30年前，當互聯網進入一個毫無防備的世界時，即使是發明家蒂姆·伯納斯·李和他在歐洲核子研究中心的同事也無法預測到隨之而來的巨變。這是自工業革命以來最偉大的技術革命。現在一切又重新開始了。雲、物聯網和人工智慧的結合，正在同等程度地推動機遇和威脅。組織內部做出的決定將在未來幾年產生影響。物聯網-雲計算連接到更廣泛的雲後端的方式，以及人工智慧跨整個處理鏈的集成方式，將是開啟材料創新和價值之門的關鍵。

在經過多年的合理化和基礎設施投資擴張之後，物聯網代表著電信公司的一個轉折點。電信公司是移動網路，其核心是將交付新的物聯網產品。一段時間以來，該領域的創新一直受到領先的web服務和平台提供商、提供跨IP網路通信和流媒體服務的全球OTT播放器以及更具創新性的硬體和應用程序開發人員的推動。從廣義上說，電信公司還沒有將網路上的數據服務貨幣化到他們所希望的程度。在平台和物聯網設備之間扮演鏈接的角色，如果它們能夠快速而智能地執行，就有可能改變這一切。對很多人來說，這意味著要擺脫傳統的官僚作風，表現得更像OTT選手自己。

隨著5G的出現，電信運營商可以將網路嵌入整個處理鏈，實現雲與邊緣的融合。這將需要與後端存儲和分析平台以及邊緣計算和邊緣硬體開發人員合作。如果成功，這些網路將把自己定位為創新中心。物聯網設備往往不會因為更閃亮的模型而受到衝擊。如果這些物聯網設備提供由網路架構的服務，連接到雲分析和存儲平台，那麼，如此偏向蘋果和谷歌等公司的現狀可能會重新平衡。

雲與邊緣計算

就在不久以前，雲技術似乎還不具備創新性。思科全球雲指數預測，到2021年，雲處理的市場份額將達到94%，遠遠落後於傳統的數據中心。從2016年到2021年，雲IP流量將以27%的年複合增長率增長。Gartner預計，總體而言，到2023年，雲計算將佔企業IT主要領域支出的28%，高於今年的19%，達到約1.3萬億美元。微軟的Azure業務部門僅次於市場領頭羊AWS，目前已連續12個季度實現收入增長，增幅通常為90%或更高，不過最近一段時間「僅」增長了76%。

隨著雲計算和基於雲的人工智慧的集中化和虛擬化速度的加快，物聯網現在也開始分散和碎片化，因為它將競相聯網數十億物理設備，使生活變得更容易、更自動化。IHS Markit預計，到2030年，這類設備將達到1250億部，高於去年的270億部。英特爾預測，到2025年，物聯網技術的價值將高達6萬億美元。埃森哲估計，正是這種對工業的影響，到2030年可能為全球經濟增加14萬億美元。他們將物聯網(物聯網)的製造業和工業流程份額描述為「未來10年生產率和增長的最大驅動力。」加速佔世界產出近三分之二的行業的再創造。「物聯網的各種形式將推動數據傳輸的年增長率從25%提高到50%。」它還將把處理從雲轉移到邊緣。數據太多了，太不加選擇，太集中了，而且需要太長時間才能訪問。Accenture 2018年科技展望報告顯示，這種「思維互聯網」將智能從雲端延伸到了邊緣。為了充分實現實時智能，企業必須將事件驅動的分析和決策處理轉移到更接近交互和數據生成點的位置。在現實世界中傳遞情報意味著更接近網路的邊緣。

不過，最重要的是，雲與邊緣之爭將由人工智慧的必要性決定。向雲計算的轉變擴大了大數據的覆蓋範圍，但它真正的遺產是人工智慧的第一階段:更智能的搜索、機器學習和自然語言處理。斯蒂芬·霍金教授談到人工智慧時說:「我們生活的方方面面都將被改變。」簡而言之，人工智慧的成功創造可能是人類文明史上最大的事件。「毫無疑問，人工智慧將對世界產生巨大的經濟影響。埃森哲諮詢公司表示:「人工智慧可能在2035年前將年經濟增長率(基線)提高一倍，改變工作的性質，並在人與機器之間建立一種新的關係。」

因此很明顯，雲計算正在向邊緣移動；但把這看作是一種再分配，而不是一種反思。人工智慧驅動的雲邊緣架構正在找到平衡。任何處於邊緣的設備或應用程序都無法與雲的數據存儲和處理能力相競爭。但人工智慧依賴於數據。越來越多的數據意味著越來越多的延遲。延遲和連接彈性與帶寬使用一樣，推動了向邊緣處理的轉變。今年早些時候，《經濟學人》的一篇文章指出:「計算將成為一場日益變化的盛宴。處理將在任何給定應用程序的最佳位置進行。」人工智慧要想蓬勃發展，就需要雲計算和以智能物聯網設備形式出現的智能邊緣計算。這將推動雲和邊緣的融合，而不是相互依賴。」

雲與邊緣計算的融合

如果雲與邊緣物聯網融合是解決方案，那麼當實時分析的複雜性超出了邊緣物聯網設備有限的處理能力，而數據量又太多，無法上傳到雲端時，會發生什麼情況呢?如果所分析的數據不能按需立即共享，感測器網路如何協同工作?人們如何能夠在不訪問機器推斷所使用的實際數據的情況下進行實時決策呢?那麼不同類型的設備在邊緣能力上的不可避免的變化又是怎樣的呢?簡而言之，這些就是將人工智慧應用於低延遲實時視頻分析的現實挑戰。而視頻就是一個典型的例子，用來探索雲到人工智慧邊緣的架構。

視頻分析支撐著人工智慧的許多重要應用。自動駕駛汽車，機器人，智慧城市，安全，國防。視頻已經佔了娛樂下行流量的90%，隨著攝像頭通過蜂窩連接將內容上行，視頻將嚴重挑戰網路性能。實時視頻監控的安全性尤其如此。這裡的挑戰是保持低延遲的高解析度。高解析度的分析。攝像機控制和實時態勢感知的低延遲。在物聯網攝像頭、轉向雲視頻平台以及人工智慧分析(包括面部識別、對象分類和行為分析)的快速增長的推動下，未來4年安全及監控視頻流量將增長7倍。

除了帶寬限制，雲存儲實際上還有一個限制。全球目前部署的閉路電視攝像頭(大部分是SD)在一年之內拍攝的視頻，超過了目前全球數據中心的存儲能力。我們不能流化和存儲所有的數據，即使我們想。分析不僅能提供即時的智能，還能過濾需要存儲的視頻，這些視頻來自可以丟棄的材料。

數十億的物聯網設備中，絕大多數將是無線設備，其中相當一部分將是移動設備:生物識別和環境感測器、車輛、無人機、可穿戴設備和智能設備。只有蜂窩網路提供了連接這些設備的範圍、彈性、規模和安全性，而這些網路正在進行重大的改革。正如NB-IoT在電池壽命和續航里程方面提供了重大改善一樣，5G提供了更低的延遲和更高的帶寬。兩者都提供了大量的設備。但無線帶寬永遠是有限的資源;只有那麼多的視頻生成安全攝像頭可以與數百萬的視頻消費智能手機並行傳輸。好的架構和軟體需要考慮無線連接，而在現實世界中，無線連接並不總是能夠得到保證。

邊緣AI視頻分析

當傳輸視頻本身而不是元數據或推理時，視頻命中的主要複雜性。如果視頻是在設備上分析的，那麼它是可管理的。但如果視頻需要作為實時決策樹的一部分進行聯網，那就不一樣了。城市自動駕駛汽車和城市戰場可能使用相同的核心視頻分析，但在非常不同的條件下。

從本質上講，自動駕駛汽車是一個連通性的蜂巢，接入一個由信息和數據處理組成的雲架構:實際駕駛條件;需要評估和改進的行為和學習;預測維修的機械健康檢查;旅行路線和時間。對道路及其周圍環境(包括交通、行人和固定物體)進行大量但並非完全基於視頻的處理，必須在汽車本身中進行。5G帶來了延遲、帶寬和容量方面的進步，這將支持許多新的應用程序，包括汽車應用程序，但實時、安全關鍵的應用程序始終需要在本地執行。一輛自動駕駛汽車絕對有必要安全高效地完成規定的旅程。任何在本地或雲中執行的視頻和其他數據的進一步處理都是次要的。

在軍事方面，戰地2.0非常不同。在一個參數不斷變化和不確定的競技場中，直接的前線決策將是勝利還是失敗。但有一件事是肯定的，現代戰爭將越來越網路化和分散式。而戰場，無論是城市還是偏遠地區，無論是國外還是國內，都不以可靠的互聯互通而聞名。它們受制於受到破壞的基礎設施、物理攻擊和網路攻擊，並受到大量數據過載的影響。戰場物聯網(IoBT)設想無限數量的機器捕捉無限數量的數據，人工智慧做出較低層次的決策，過濾智能以進行更廣泛的雲處理或更高層次的人類決策。按體積計算，傳輸的大部分數據將是視頻:克服帶寬限制和延遲成為IoBT工作的先決條件。

在城市前沿，先進的安全城市監控介於兩者之間。大量的穩態分析仍然處於前沿，但對於更先進的系統來說，確實需要將實際的視頻網路化，以便進行進一步的分析，當然，還需要進行人工審核和更高層次的決策。在對事件的實時響應中，在執法中，在公共安全方面，控制室中的人以及支持他們的雲處理需要實時訪問關鍵的可視化數據。專用邊緣處理可以過度簡化或固定。隨著系統的學習和發展，它的外圍節點也應該這樣做。這也從集群中釋放了物質價值。

智能分散式架構

要為實時視頻提供完整的雲邊緣架構，必須限制實時低延遲移動所需的數據量。處於邊緣的系統應該位於可以在線或離線模式操作的分散式體系結構中。分散式體系結構不僅僅是一個結構，它還需要經過實際驗證和適應。對於實時傳輸和處理，需要對數據進行集中和調整。邊緣系統和中央系統需要同步工作。可用帶寬需要有效管理。

分散式架構的一個例子是邊緣監視分析中基於人工智慧的人工檢測。在所有與安全和監控相關的分析中，一個重要的百分比將受益於人類檢測的上升。現場有沒有人，藏著，跑著，爬著，爬著，走著?是否存在由其他因素甚至環境干擾引起的錯誤警報?可以部署這樣的系統，然後在邊緣進行迭代改進。但隨著分析技術的進步，「那麼」這個問題會越來越多地被問到。我們認識這個人嗎?他們在幹什麼?是否有不良行為的標誌?有異常嗎?其中一些要求與更廣泛的體系建立聯繫。讓場景成為一個擁擠的公共空間，任何分析都會變得更加複雜。需要一個從邊緣到中心的處理鏈來管理工作負載。然後是集群:一個由多個感測器組成的系統比其各個部分的總和更有能力。這意味著智能連接。

智能邊緣設備要想利用大數據的力量和規模，直播視頻需要網路之間和網路之間的智能連接、實時。這是Edge-AI真正的願景。不是急於用新一代人工智慧硅和專用gpu來裝備尖端設備和感測器，而沒有考慮到未來的發展。分散式處理旨在平衡高效的邊緣應用程序和容量更高的中心，其構建的目的是提供低延遲，支持對實時數據進行瞬間決策。許多物聯網視頻設備也將是移動的，由於移動感測器的幀與幀之間的場景變化，視頻編解碼器將承受額外的壓力。5G即將到來，但對於網路挑戰的規模而言，它不是萬能葯。服務質量和服務的廣泛性將是優先考慮的問題。解決方案需要容忍擁塞和覆蓋問題。雲和edge之間的聯網必須設計為解決方案的體系結構。

每個雲

我們現在處於支持人工智慧應用的IoT-cloud架構開發的最早期階段。它們中的大多數都不會接觸視頻，它們所做的操作將被剪切、分析和處理。然而，在實時且不可預測的應用程序(包括安全性、防禦和公共安全)中，將需要對核心分散式體系結構進行調整。

有很多關於人工智慧在下一代所能達到的現實自主水平的文章。可以肯定的是，可能性的藝術依賴於智能連接。邊設備。優勢分析。雲。中心應用程序和分析。這就是新一波物聯網業務應用的架構。因此，電信公司在這個生態系統中佔有獨特的地位，它將依賴於蜂窩網路的質量和彈性，同時也尊重其局限性。

現在一切都取決於執行。物聯網和人工智慧領域獎項的絕對規模將以前所未有的規模甄別贏家和輸家，必然會出現合理化和整合。但對於那些排名靠前的公司來說，它們有可能推出將持續一代人的粘性收入模式。如果問題是邊緣還是雲脊髓按，答案是肯定的。然而接下來的問題是如何做到這一點。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！