NB-IoT和eMTC將可以納入5G低功耗廣域網的物聯(lián)網標準

“AIoT是IoT的發(fā)展方向，IoT需要AI來提升其價值。5G是連接AI與IoT的橋梁，其高帶寬、高可靠低時延、大連接開拓了AIoT更廣闊的應用領域?！敝袊こ淘涸菏苦w賀銓在“摯物·AIoT產業(yè)領袖峰會”上表示。

眾所周知，NB-IoT標準的特點是廣覆蓋、大連接、低功耗、低成本，這使得NB-IoT應用領域很廣。鄔賀銓指出，5G?正在引領IoT?標準的演進。對于大量中小企業(yè)，自建物聯(lián)網不經濟，NB-IoT可為企業(yè)提供一個承載在公眾通信網上的專用物聯(lián)網。大企業(yè)可使用非許可頻率的LoRa來建內部物聯(lián)網。并且NB-IoT傳感器是固定位置，而工業(yè)應用的工件和機器人及網聯(lián)車的傳感器是移動的。此外，NB-IoT業(yè)務帶寬只有20kbit/s和250kbit/s兩種;還可能需要具有與人對話的物聯(lián)網模塊。鄔賀銓表示，需要新增eMTC (1Mbit/s,?支持移動與對話)和mMTC (大連接)的窄帶物聯(lián)網標準，需要將NB-IoT和eMTC擴展到LTE和5G頻段?！?GPP通過仿真向ITU提交報告，說明在LTE和未來5G頻段工作的NB-IoT和eMTC能滿足5G的連接密度要求，因此NB-IoT和eMTC可納入5G低功耗廣域網（LPWAN）物聯(lián)網標準?！编w賀銓如是說。

從IoT到AIoT

AIoT=AI+IoT,即融合了人工智能技術的物聯(lián)網，推動萬物智聯(lián)。AIoT本身也是產業(yè)，全球第二大市場研究機構MarketsandMarkets近日發(fā)布報告稱，2019年全球AIoT市場規(guī)模為51億美元。

鄔賀銓認為，IoT標準主要解決數(shù)據(jù)傳輸技術，而AIoT關注新的IoT應用形態(tài)，要強調的是服務，特別是面向物聯(lián)網的后端處理及應用。AI與IoT相輔相成，IoT為人工智能提供深度學習所需的海量數(shù)據(jù)養(yǎng)料，而其場景化互聯(lián)更為AI的快速落地提供了基礎；AI將連接后產生的海量數(shù)據(jù)經分析決策轉換為價值；5G則是連接AI與IoT的橋梁，5G的增強移動帶寬，高可靠低時延和廣覆蓋特性及邊緣計算的結合，使得AI與IoT融為一體。

埃森哲預計，到2030年，工業(yè)物聯(lián)網能夠為全球經濟帶來14.2萬億美元的經濟增長。在會上，鄔賀銓列舉了5G在工業(yè)互聯(lián)網的應用。產業(yè)數(shù)字化已是必然趨勢，需要將廠內設備聯(lián)網，但原有車間內難于布放光纖，企業(yè)希望使用無線聯(lián)網。Wi-Fi等現(xiàn)有無線技術因擴展性、低速率和抗干擾等問題使得其在工業(yè)領域利用率僅6%。5G適應工業(yè)互聯(lián)網要求。但是企業(yè)如單獨建5G專網，需有專用頻率，ETSI測算需要76MHz。鄔賀銓表示，5G可以用在企業(yè)外網或企業(yè)內網，后者又分為基于5G公網與5G專網兩種。公網針對人的應用，TDD的下行較上行時隙多，而物聯(lián)網則相反，因此用5G專網作為企業(yè)內網更合適，而且內網安全性優(yōu)于外網。同時，鄔賀銓強調：“不論5G作為企業(yè)外網還是內網，即便是5G專網，其安全防護都要特別重視?！?/p>

AIoT的發(fā)展及挑戰(zhàn)

在鄔賀銓看來，AIoT將經歷單機智能、互聯(lián)智能和主動智能這三個發(fā)展階段。具體來看，單機智能階段是指，單機系統(tǒng)需要精確感知、識別、理解用戶的各類指令，如語音、手勢等，并正確決策、執(zhí)行和反饋。而這個過程中設備與設備之間是不發(fā)生相互聯(lián)系的?；ヂ?lián)智能階段是指，采用集中的云或邊緣計算控制多個終端(感知器)的模式，構成互聯(lián)的產品矩陣，打破了單機智能的孤島效應，對智能化體驗場景進行了不斷升級和優(yōu)化。比如，當用戶晚上在臥室對著空調說出”睡眠模式”時，客廳的電視、音箱，以及窗簾、燈等都自動進入關閉狀態(tài)。主動智能階段則是指智能系統(tǒng)根據(jù)用戶行為偏好、用戶畫像、環(huán)境等各類信息，自我學習、主動提供適用于用戶的服務。例如清晨伴隨著光線的變化，窗簾自動緩緩開啟，音箱傳來悅耳的起床音樂，空調調整到適應白天的溫度?！澳壳皩τ谥悄芗揖?，基本屬于單機智能階段，對于智能產業(yè)，已經進入到互聯(lián)智能階段?！?/p>

目前來看AIoT的發(fā)展主要面臨著算力、算法、平臺兼容性、安全性等挑戰(zhàn)。比如算力方面，普通計算機的計算能力有限，利用其訓練一個模型往往需要數(shù)周至數(shù)月的時間。密集和頻繁地使用高速計算資源面臨成本。算法：AI的訓練所需的時間是非常長的，目前僅訓練一些簡單的識別尚需數(shù)周時間，面對未來應用場景的豐富性，有必要在算法層面予以增強?；A算法非常復雜，應用的企業(yè)開發(fā)者能力不足。平臺兼容性：物聯(lián)網本身產品碎片化，而各AI公司生態(tài)之間又缺乏協(xié)同，本地算力、網絡連接能力、平臺間的不兼容，要把框架里的算法部署到數(shù)量眾多的物聯(lián)網設備上，大規(guī)模部署問題重重。安全性：人工智能決策的正確性受IoT數(shù)據(jù)的精確度影響，AI的分析結果還缺乏可解釋性。AIoT還存在被攻擊而成為僵尸物聯(lián)網的風險。對此，鄔賀銓表示：“AIoT目前僅是起步階段，有很大的發(fā)展空間，也面臨重大挑戰(zhàn)。未來AIoT的發(fā)展，仍然需要標準化推動，企業(yè)間合作提升兼容性，需要威脅情報共享，增強安全保障能力?！?/p>