物联网与5G技术如何让人工智能发挥更大的作用

【安防在线 www.anfang.cn】在大约30年前，当互联网进入一个毫无防备的世界时，即使是发明家蒂姆・伯纳斯・李和他在欧洲核子研究中心的同事也无法预测到随之而来的巨变。这是自工业革命以来最伟大的技术革命。现在一切又重新开始了。云、物联网和人工智能的结合，正在同等程度地推动机遇和威胁。组织内部做出的决定将在未来几年产生影响。物联网-云计算连接到更广泛的云后端的方式，以及人工智能跨整个处理链的集成方式，将是开启材料创新和价值之门的关键。

在经过多年的合理化和基础设施投资扩张之后，物联网代表着电信公司的一个转折点。电信公司是移动网络，其核心是将交付新的物联网产品。一段时间以来，该领域的创新一直受到领先的web服务和平台提供商、提供跨IP网络通信和流媒体服务的全球OTT播放器以及更具创新性的硬件和应用程序开发人员的推动。从广义上说，电信公司还没有将网络上的数据服务货币化到他们所希望的程度。在平台和物联网设备之间扮演链接的角色，如果它们能够快速而智能地执行，就有可能改变这一切。对很多人来说，这意味着要摆脱传统的官僚作风，表现得更像OTT选手自己。

随着5G的出现，电信运营商可以将网络嵌入整个处理链，实现云与边缘的融合。这将需要与后端存储和分析平台以及边缘计算和边缘硬件开发人员合作。如果成功，这些网络将把自己定位为创新中心。物联网设备往往不会因为更闪亮的模型而受到冲击。如果这些物联网设备提供由网络架构的服务，连接到云分析和存储平台，那么，如此偏向苹果和谷歌等公司的现状可能会重新平衡。

云与边缘计算

就在不久以前，云技术似乎还不具备创新性。思科全球云指数预测，到2021年，云处理的市场份额将达到94%，远远落后于传统的数据中心。从2016年到2021年，云IP流量将以27%的年复合增长率增长。Gartner预计，总体而言，到2023年，云计算将占企业IT主要领域支出的28%，高于今年的19%，达到约1.3万亿美元。微软的Azure业务部门仅次于市场领头羊AWS，目前已连续12个季度实现收入增长，增幅通常为90%或更高，不过最近一段时间“仅”增长了76%。

随着云计算和基于云的人工智能的集中化和虚拟化速度的加快，物联网现在也开始分散和碎片化，因为它将竞相联网数十亿物理设备，使生活变得更容易、更自动化。IHS Markit预计，到2030年，这类设备将达到1250亿部，高于去年的270亿部。英特尔预测，到2025年，物联网技术的价值将高达6万亿美元。埃森哲估计，正是这种对工业的影响，到2030年可能为全球经济增加14万亿美元。他们将物联网(物联网)的制造业和工业流程份额描述为“未来10年生产率和增长的最大驱动力。”加速占世界产出近三分之二的行业的再创造。“物联网的各种形式将推动数据传输的年增长率从25%提高到50%。”它还将把处理从云转移到边缘。数据太多了，太不加选择，太集中了，而且需要太长时间才能访问。Accenture 2018年科技展望报告显示，这种“思维互联网”将智能从云端延伸到了边缘。为了充分实现实时智能，企业必须将事件驱动的分析和决策处理转移到更接近交互和数据生成点的位置。在现实世界中传递情报意味着更接近网络的边缘。

不过，最重要的是，云与边缘之争将由人工智能的必要性决定。向云计算的转变扩大了大数据的覆盖范围，但它真正的遗产是人工智能的第一阶段：更智能的搜索、机器学习和自然语言处理。斯蒂芬・霍金教授谈到人工智能时说：“我们生活的方方面面都将被改变。”简而言之，人工智能的成功创造可能是人类文明史上最大的事件。“毫无疑问，人工智能将对世界产生巨大的经济影响。埃森哲咨询公司表示：“人工智能可能在2035年前将年经济增长率(基线)提高一倍，改变工作的性质，并在人与机器之间建立一种新的关系。”

因此很明显，云计算正在向边缘移动；但把这看作是一种再分配，而不是一种反思。人工智能驱动的云边缘架构正在找到平衡。任何处于边缘的设备或应用程序都无法与云的数据存储和处理能力相竞争。但人工智能依赖于数据。越来越多的数据意味着越来越多的延迟。延迟和连接弹性与带宽使用一样，推动了向边缘处理的转变。今年早些时候，《经济学人》的一篇文章指出：“计算将成为一场日益变化的盛宴。处理将在任何给定应用程序的最佳位置进行。”人工智能要想蓬勃发展，就需要云计算和以智能物联网设备形式出现的智能边缘计算。这将推动云和边缘的融合，而不是相互依赖。”

云与边缘计算的融合

如果云与边缘物联网融合是解决方案，那么当实时分析的复杂性超出了边缘物联网设备有限的处理能力，而数据量又太多，无法上传到云端时，会发生什么情况呢？如果所分析的数据不能按需立即共享，传感器网络如何协同工作？人们如何能够在不访问机器推断所使用的实际数据的情况下进行实时决策呢？那么不同类型的设备在边缘能力上的不可避免的变化又是怎样的呢？简而言之，这些就是将人工智能应用于低延迟实时视频分析的现实挑战。而视频就是一个典型的例子，用来探索云到人工智能边缘的架构。

视频分析支撑着人工智能的许多重要应用。自动驾驶汽车，机器人，智慧城市，安全，国防。视频已经占了娱乐下行流量的90%，随着摄像头通过蜂窝连接将内容上行，视频将严重挑战网络性能。实时视频监控的安全性尤其如此。这里的挑战是保持低延迟的高分辨率。高分辨率的分析。摄像机控制和实时态势感知的低延迟。在物联网摄像头、转向云视频平台以及人工智能分析(包括面部识别、对象分类和行为分析)的快速增长的推动下，未来4年安全及监控视频流量将增长7倍。

除了带宽限制，云存储实际上还有一个限制。全球目前部署的闭路电视摄像头(大部分是SD)在一年之内拍摄的视频，超过了目前全球数据中心的存储能力。我们不能流化和存储所有的数据，即使我们想。分析不仅能提供即时的智能，还能过滤需要存储的视频，这些视频来自可以丢弃的材料。

数十亿的物联网设备中，绝大多数将是无线设备，其中相当一部分将是移动设备：生物识别和环境传感器、车辆、无人机、可穿戴设备和智能设备。只有蜂窝网络提供了连接这些设备的范围、弹性、规模和安全性，而这些网络正在进行重大的改革。正如NB-IoT在电池寿命和续航里程方面提供了重大改善一样，5G提供了更低的延迟和更高的带宽。两者都提供了大量的设备。但无线带宽永远是有限的资源；只有那么多的视频生成安全摄像头可以与数百万的视频消费智能手机并行传输。好的架构和软件需要考虑无线连接，而在现实世界中，无线连接并不总是能够得到保证。

边缘AI视频分析

当传输视频本身而不是元数据或推理时，视频命中的主要复杂性。如果视频是在设备上分析的，那么它是可管理的。但如果视频需要作为实时决策树的一部分进行联网，那就不一样了。城市自动驾驶汽车和城市战场可能使用相同的核心视频分析，但在非常不同的条件下。

从本质上讲，自动驾驶汽车是一个连通性的蜂巢，接入一个由信息和数据处理组成的云架构：实际驾驶条件；需要评估和改进的行为和学习；预测维修的机械健康检查；旅行路线和时间。对道路及其周围环境(包括交通、行人和固定物体)进行大量但并非完全基于视频的处理，必须在汽车本身中进行。5G带来了延迟、带宽和容量方面的进步，这将支持许多新的应用程序，包括汽车应用程序，但实时、安全关键的应用程序始终需要在本地执行。一辆自动驾驶汽车绝对有必要安全高效地完成规定的旅程。任何在本地或云中执行的视频和其他数据的进一步处理都是次要的。

在军事方面，战地2.0非常不同。在一个参数不断变化和不确定的竞技场中，直接的前线决策将是胜利还是失败。但有一件事是肯定的，现代战争将越来越网络化和分布式。而战场，无论是城市还是偏远地区，无论是国外还是国内，都不以可靠的互联互通而闻名。它们受制于受到破坏的基础设施、物理攻击和网络攻击，并受到大量数据过载的影响。战场物联网(IoBT)设想无限数量的机器捕捉无限数量的数据，人工智能做出较低层次的决策，过滤智能以进行更广泛的云处理或更高层次的人类决策。按体积计算，传输的大部分数据将是视频：克服带宽限制和延迟成为IoBT工作的先决条件。

在城市前沿，先进的安全城市监控介于两者之间。大量的稳态分析仍然处于前沿，但对于更先进的系统来说，确实需要将实际的视频网络化，以便进行进一步的分析，当然，还需要进行人工审核和更高层次的决策。在对事件的实时响应中，在执法中，在公共安全方面，控制室中的人以及支持他们的云处理需要实时访问关键的可视化数据。专用边缘处理可以过度简化或固定。随着系统的学习和发展，它的外围节点也应该这样做。这也从集群中释放了物质价值。

智能分布式架构

要为实时视频提供完整的云边缘架构，必须限制实时低延迟移动所需的数据量。处于边缘的系统应该位于可以在线或离线模式操作的分布式体系结构中。分布式体系结构不仅仅是一个结构，它还需要经过实际验证和适应。对于实时传输和处理，需要对数据进行集中和调整。边缘系统和中央系统需要同步工作。可用带宽需要有效管理。

分布式架构的一个例子是边缘监视分析中基于人工智能的人工检测。在所有与安全和监控相关的分析中，一个重要的百分比将受益于人类检测的上升。现场有没有人，藏着，跑着，爬着，爬着，走着？是否存在由其他因素甚至环境干扰引起的错误警报？可以部署这样的系统，然后在边缘进行迭代改进。但随着分析技术的进步，“那么”这个问题会越来越多地被问到。我们认识这个人吗？他们在干什么？是否有不良行为的标志？有异常吗？其中一些要求与更广泛的体系建立联系。让场景成为一个拥挤的公共空间，任何分析都会变得更加复杂。需要一个从边缘到中心的处理链来管理工作负载。然后是集群：一个由多个传感器组成的系统比其各个部分的总和更有能力。这意味着智能连接。

智能边缘设备要想利用大数据的力量和规模，直播视频需要网络之间和网络之间的智能连接、实时。这是Edge-AI真正的愿景。不是急于用新一代人工智能硅和专用gpu来装备尖端设备和传感器，而没有考虑到未来的发展。分布式处理旨在平衡高效的边缘应用程序和容量更高的中心，其构建的目的是提供低延迟，支持对实时数据进行瞬间决策。许多物联网视频设备也将是移动的，由于移动传感器的帧与帧之间的场景变化，视频编解码器将承受额外的压力。5G即将到来，但对于网络挑战的规模而言，它不是万能药。服务质量和服务的广泛性将是优先考虑的问题。解决方案需要容忍拥塞和覆盖问题。云和edge之间的联网必须设计为解决方案的体系结构。

每个云

我们现在处于支持人工智能应用的IoT-cloud架构开发的最早期阶段。它们中的大多数都不会接触视频，它们所做的操作将被剪切、分析和处理。然而，在实时且不可预测的应用程序(包括安全性、防御和公共安全)中，将需要对核心分布式体系结构进行调整。

有很多关于人工智能在下一代所能达到的现实自主水平的文章。可以肯定的是，可能性的艺术依赖于智能连接。边设备。优势分析。云。中心应用程序和分析。这就是新一波物联网业务应用的架构。因此，电信公司在这个生态系统中占有独特的地位，它将依赖于蜂窝网络的质量和弹性，同时也尊重其局限性。

现在一切都取决于执行。物联网和人工智能领域奖项的绝对规模将以前所未有的规模甄别赢家和输家，必然会出现合理化和整合。但对于那些排名靠前的公司来说，它们有可能推出将持续一代人的粘性收入模式。如果问题是边缘还是云脊髓按，答案是肯定的。然而接下来的问题是如何做到这一点。