Skip to main content

AI • 物聯網 • 網路邊緣

為什麼 5G 網路需要在邊緣使用 AI 功能

5G 網路提供更高的能力、更低的延遲,以及全新類別的應用程式與服務。但想要運用這些進階功能,需要前所未有的自動化程度,這只能透過人工智慧 (AI) 獲得。

對網路營運商來說,AI 能使他們的網路功能虛擬化 (NFV) 和軟體定義網路 (SDN) 基礎架構更加完整。同時,企業與工業使用者可運用這種分散式的智慧功能,以減少成本、強化安全性,並提供全新的低延遲資料導向服務。

雖然還是可以部署不使用 AI 的 5G 網路,但是在網路端點數量、使用案例,以及整體複雜度日益增加的情況下,在 5G 行動邊緣運算中運用 AI 對簡化營運來說極為重要。導入 AI 的第一個步驟,就是定義「邊緣」。

為 AI 運算定義 5G 網路邊緣

5G 網路的「邊緣」可能指涉許多項目,根據一般使用者/營運商或應用程式而定。有鑑於邊緣在 SDN 與 NFV 部署情況中的大幅變動,這一點更加重要。以高層次來看,網路營運商、企業組織,或是裝置製造商/一般使用者可能各自都對「邊緣」有不同的定義︰

  • 營運商網路邊緣 — 營運商網路邊緣通常稱為多存取邊緣運算 (Multi-access Edge Computing, MEC),可放置於無線電塔、基地台、邊緣路由器,或是結合分散式雲端資料中心的機房中心內。這些平台為營運商與其用戶/合作夥伴提供代管 AI 堆疊的運算效能。
  • 企業現場邊緣 — 企業現場邊緣可在設施或系統內的任意位置支援 AI 運算。企業邊緣會收集並處理來自智慧裝置的資料,但需要一定程度的雲端連線,以更新機器學習 (ML) 模型。
  • 裝置邊緣 — 裝置邊緣指 OEM 所開發或由一般使用者操作的智慧裝置,負責傳送與接收來自 AI 系統的資料,例如路由器或閘道等。這些閘道擁有更高的運算能力或存取權限,以匯總來自許多智慧裝置的分析。

在經過定義後,營運商與企業便可使用 5G 網路的 AI 邊緣運算,取得目標成果。

網路營運商的邊緣 AI 功能︰動態網路切片

營運商可在 MEC 平台中充分發揮 AI 的功效,此技術可最佳化流量,並使網路資源管理更有效率。舉例來說,動態網路切片包括即時選擇最佳資料速率,或是選擇路由流量的最佳存取點或網路。

在動態網路切片中運用 AI 功能對 5G 網路營運商極為重要,這能讓他們為一般使用者、企業客戶,以及垂直產業提供不同的服務品質 (QoS)。除了自動化根據流量大小和類型有效率地佈建網路的程序以外,這也能使營運商透過提供不同價格的多種服務層級,以從基礎架構中獲利。

企業邊緣的 AI 功能︰全新服務商機

企業與垂直市場中的使用者也可以運用具有 AI 功能的 5G 網路邊緣運算,打造自己的服務產品。

邊緣 AI 可將智慧功能更貼近資料來源,由此強化安全性、將延遲降到最低、減少回傳成本,並使 AI 能比雲端中央拓樸更貼近產業領域專家。針對著重於 ML 和深度學習 (DL) 模型的領域專家,這樣的距離有助於打造僅將最高品質的邊緣資料傳回雲端的解決方案,以進行模型訓練。

智慧製造使用案例是 AI 與 5G 網路邊緣運算為企業和一般使用者增加價值的良好範例。在邊緣使用 AI 功能,不僅網路節點可處理來自多種感應器、影片,以及其他輸入資料與輸出即時決策,5G 技術的微秒級延遲也讓控制應用程式能整合這些回應。

圖 1所示,企業與工業組織可運用邊緣的位置,提供安全性、分析能力,以及其他 AI 即服務產品。

圖 1. 在 5G 邊緣網路基礎架構部署 AI 功能,可為零售、工業、智慧城市,以及其他市場的多種需求提供解決方案。(資料來源:Intel® 公司)

5G 網路的 AI 行動邊緣運算︰開放原始碼、標準化,並現成可用

當然,在能夠將 AI 實際運用在 5G 網路邊緣之前,我們還有許多技術挑戰需要解決。如何大規模地在多種邊緣端點上同盟與更新 AI 堆疊,就是主要問題之一。可確保成功將 AI 運用在 5G 邊緣運算的一個方向,就是使用硬體標準與開放原始碼的軟體。

從硬體角度來看,Joinus Technology 這樣的企業提供了 ETSI 和 PICMG 等以 Intel® Xeon® 黃金級平台為基礎的 ATCA 解決方案。這些解決方案的每個插槽可提供最多 22 核心與 44 執行序,並整合 Intel® Advanced Vector Extensions 512 (Intel® AVX-512) 以加速企業現場與網路邊緣環境中的 AI 工作負載。此平台可用於營運商網路邊緣,自動化流量協調與資源管理,或是用於企業內部,以提供 AI 即服務。

在軟體方面,Intel 與合作夥伴正在打造開放原始碼的解決方案,能使價值鏈體系成員以快速又符合成本效益的方法開發 AI 堆疊。舉例來說,Wind River 的 Titanium Cloud 使用 OpenStack 建立,並以 5G MEC 提供支援 AI 的平台。

Intel® Network Edge Virtualization (Intel®NEV) SDK 包含 Titanium Cloud,提供給網路架構設計師一套適合不同邊緣網路部署情境的參考程式庫與 API。兩者皆受如 Joinus Technology ATCA 等以 Intel Xeon 黃金級平台為基礎的解決方案平台支援。

適合 5G 網路的 AI 自動化

除了傳統的通訊以外,5G 網路也將會連接數十億個物聯網 (IoT) 感應器。隨之而來的還有全新的機械式通訊 (MTC) 與網路,以及 RF 頻段的廣泛應用。

5G 網路的遠大目標需要更高層級的自動化,而這要提升就必須將智慧功能分散至整個網路基礎架構。邊緣的 AI 可透過監控一段時間的使用趨勢,為營運商持續最佳化網路效能,並作為電信業者、企業,以及產業的新服務與商機平台。

5G 網路已經在試行,在行動邊緣基礎架構中加入 AI 的時機也已經到來了。

作者簡介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis