（文章來源：邊緣計算之家）
? ? ?? 人工智能一直是移動網絡中的重要組成部分。隨著5G 以及邊緣計算技術的發展，對人工智能的需求將變得愈發強烈。

本文中，我們將闡述5G 網絡與前幾代移動通信網絡相比的一個本質區別——網絡邊緣計算的比重會大增，同時我們會就邊緣計算在5G 網絡里的實現做一個探討。之后我們會列舉一些此新一代網絡下的典型應用，它們都需要依賴邊緣計算和機器學習來實現。最后，我們將介紹一個結合了邊緣計算和深度學習的參考應用——“互聯之眼“。

隨著第五代移動通信（5G）的發展，疊加大數據及機器學習技術的廣泛應用，電信行業正在經歷著一場新的變革。本文將以當前電信領域里兩大熱門技術：邊緣計算和人工智能相結合的場景作為切入點，為大家展現一下行業里的最新技術發展。 我們會先簡單回顧一下相關技術的發展歷史，接著列舉一些深度學習輔助邊緣計算的典型用例，最后詳細介紹我們在這一領域的一個參考實踐。

隨著第五代移動通信（5G）的發展，疊加大數據及機器學習技術的廣泛應用，電信行業正在經歷著一場新的變革。本文將以當前電信領域里兩大熱門技術：邊緣計算和人工智能相結合的場景作為切入點，為大家展現一下行業里的最新技術發展。

基于自組織的分布式網絡管理模型的建立移動網絡中的人工智能演進人工智能其實在早期移動網絡部署中就有應用。起初，這些系統往往是基于規則（rule）來實現系統自動化，之后自適應的邏輯也慢慢出現。這些主要都用來增進系統的安全性，魯棒性及輔助服務的無縫遷移。 早期增強網絡的常見算法應用包括故障檢測，或是基于故障及路由檢測實現自動切換以應對系統過載等。之后更復雜的算法應用也相繼出現，比如用來為終端用戶提供智能服務等。

5G 網絡中的邊緣計算現代 4G 網絡的搭建還是以中心化的核心網為主，本地分流（Local-Breakout）往往很難設置并且功能局限性比較大。一般一個典型的歐洲中型運營商會有一到兩個中央數據中心可供第三方應用部署。由于諸如亞馬遜及其它一些大型互聯網企業只在全球范圍內零星部署了一些大型數據中心，因此數據包可能需要經過非常長的距離才能到達應用側。那么，對于具有低時延要求的應用來說，就必須考慮這種物理限制。

我們來做一些簡單的計算：波長為1310 納米的光在常用的Brand B (G.652)光纖里的傳播速度為489.34 微秒/百公里，那么即使不考慮誤碼，交換機或是路由器延時等，從斯洛文尼亞或者匈牙利到達西歐境內最近的亞馬遜數據中心需要20 毫秒；普通網絡節點里的典型延時大約為1 毫秒；在4G 網絡下，典型的國家境內數據中心的通信時延大約為50 毫秒（當然這是一個平均數，實際情況會很大程度上受地理位置，網絡接入質量及具體應用等因素影響）。

這就意味著如果要滿足一個具有10 - 30 毫秒時延需求的典型增強現實（Augmented Reality, AR）應用，網絡側的時延則需要更低，因此相關的應用節點就必須部署在終端側附近。這一技術我們就稱之為邊緣計算，它需要在網絡邊緣部署利用分布式云設施來提供高度自動化的虛擬環境來加以支撐。

根據開源項目如Linux 基金會邊緣項目Akraino，這些邊緣站點會提供和中心云（虛擬機和容器）一樣的基礎設施即服務（Infrastructure-as-a-Service,IaaS）環境，并結合部分平臺即服務（Platform-as-a-Service,PaaS）的元素。它需要為諸如用以支持本地導流的用戶面功能（User Plane Function, UPF）的5G 網絡虛擬化網絡功能（Virtual Network Function, VNF）和第三方應用或應用平臺提供運行環境。

3GPP 標準在5G 里增強了本地分流功能，確保合適的應用數據在網絡邊緣被連接到合適的應用上。另外，標準也增加了數據流在邊緣和中心站點間切換的靈活度以及使添加額外邊緣服務更為靈活的特性– 這在標準里被定義為FMSS（FlexibleMobile ServiceSteering）。一個簡單的上行視頻可以略過深度包檢測（Deep Packet Inspection, DPI）。用戶面功能（UPF）服務可以分布在邊緣站點（取決于硬件的可用性）并且可以像3GPP FMSS 定義的一樣形成一條服務鏈。

5G 核心網負責大多數無線接入之上的服務，如安全性，認證，移動管理，位置服務及所有包處理能力。5G 的核心網架構和4G 核心網有很大區別。5G 的所有網元都按照ETSI 網絡功能虛擬化（Network Function Virtualization, NFV）標準被定義成虛擬化網絡功能（VNF），同時3GPP 根據面向服務架構的原理設計了整個系統架構。

5G 核心網也因此被稱作是服務化架構（Service Based Architecture,SBA），其目標就是增加系統的靈活性和可編程性。這其中有一個值得一提的網元叫網絡開放功能（Network Exposure Function, NEF），它對內部及外部可信賴的第三方應用提供了服務接口。這種能力開放是邊緣計算的一個關鍵要素，它使第三方應用能夠直接配置網絡從而達到更高度的自動化。一個例子是被稱為應用導向數據路由（ApplicationInfluence on Traffic Routing）的功能，其能在網絡邊緣建立本地導流并且能夠允許設置FMSS 服務。它提供了基于HTTP 的REST 接口（Application Programming Interface，API）。邊緣計算應用的核心問題之一是運行環境模塊部署位置的優選。簡單的應用可以使用靜態配置，但是將來的應用可以使用智能優化系統來確定模塊的分布，比如考慮降低成本同時保持高用戶體驗。

工業領域數字化面臨的挑戰之一就是如何選擇一套合適，統一并且完善的接入技術以建立一個易于管理的生產環境。根據我們的設想，未來工廠網絡將會由5G 移動寬帶（Broadband），基于5G NR（New Radio ）的5G 關鍵通信和窄帶物聯網（NB-IoT）組成，并且由一個通用的單一核心網接入來提供安全，認證，服務質量保證和必要的移動，通信及其他平臺功能等。

用于自動駕駛汽車的邊緣視頻分析根據市場預測，到2025年，全球的互聯網汽車數量將增長至大約7億輛，同時車輛與云端之間的數據傳輸將達到每月100 PB，而Gartner 在其2018年6月的報告里將這一數字進一步擴大至每月1TB。如此巨大的數據量（并且其主體部分是上行數據）無疑將對網絡提出新的要求。
? ?? （責任編輯：fqj）