5G 有望提高应用和服务的功能、降低延迟和带来全新类别的应用和服务。但是，要能够利用这些改进，就需要无与伦比的自动化水平，只有人工智能 (AI) 才能实现此水平。

对于网络运营商而言，AI 可为其网络功能虚拟化 (NFV) 和软件定义网络 (SDN) 基础设施补充自动化功能。与此同时，企业和工业用户可以利用这种分布式智能来降低成本、增强安全性和提供新的数据驱动型、低延迟服务。

当然可以单独部署 5G 而不部署 AI；不过，随着网络端点的数量、使用情形和整体复杂程度不断提高，十分有必要在 5G 移动边缘计算中利用 AI 来简化运营。利用 AI 的第一步是定义 “边缘”。

针对 AI 计算定义 5G 网络边缘

5G 网络的 “边缘” 含义五花八门，具体视最终用户/运营商或应用而定。在 SDN 和 NFV 部署方案中，边缘的概念更是千变万化。例如，在较高的层次，网络运营商、企业组织或设备制造商/最终用户分别会以不同的方式定义 “边缘”：

• 运营商网络边缘 - 运营商网络边缘通常称为多接入边缘计算 (MEC)，可位于发射塔、基站、边缘路由器或含有分布式数据中心的中央办公室。这些平台为面向运营商及其客户/合作伙伴的主机 AI 堆栈提供计算能力。
• 企业内部边缘 - 企业边缘能够在设施或系统内的任何点支持 AI 计算。在企业边缘收集和处理智能设备中的数据，需要一定数量的云连接，用于更新机器学习 (ML) 模式。
• 设备边缘 - 设备边缘指的是由 OEM 开发的或由用户操作的智能设备，它们会从路由器或网关等 AI 系统发送和接收数据。这些网关具有更强的计算能力或更多访问权限，可聚合来自许多智能设备的分析。

定义好之后，运营商和企业可以使用 5G AI 边缘计算来取得有针对性的结果。

网络运营商边缘中的 AI：动态网络切片

运营商可在 MEC 平台中充分利用 AI；在这些平台中，可运用技术来进行流量优化并进行更高效的网络资源管理。例如，动态网络切片包括实时选择最佳数据速率，或者选择可用于路由流量的最佳接入点或网络。

在动态网络切片中使用 AI 证实对于 5G 运营商而言至关重要，因为这使他们能够为普通客户、企业客户和垂直行业提供不同的服务质量 (QoS)。除了实现根据流量数量和类型高效调配网络的流程自动化之外，它还使运营商能够通过提供价格不同的多种服务层，让他们的基础设施创造更多价值。

企业边缘中的 AI：新的服务机会

企业和垂直市场中的用户也可以将启用 AI 的 5G 边缘计算用于他们自己的服务产品。

边缘中的 AI 将智能放置在更靠近数据源的位置，这可增强安全性、最大程度地降低延迟、降低回程成本以及将 AI 放置在比以云为中心的拓扑更靠近行业领域专家的位置。对于正在研究机器学习 (ML) 和深度学习 ( DL) 模型的领域专家而言，这种靠近有助于研发仅将最高品质的边缘数据发送回云中以用于模型训练的工程解决方案。

智能制造使用案例提供了 AI 和 5G 边缘计算如何为企业和最终用户增加价值的好例子。借助边缘中的 AI，不但网络节点可以吸收大批传感器、视频和其它输入数据并输出实时决策，而且 5G 技术毫秒级的延迟使得能够将这些响应集成在控制应用中。

如图 1 中所示，企业和工业组织可以在边缘利用此部署来提供安全性、分析及其它 AI 即服务产品。

5G AI 移动边缘计算：采用开放源代码、基于标准且现成可用

当然，可以在 5G 网络边缘中实际使用 AI 之前，需要克服重重技术困难。如何联合和更新位于不同的边缘点且规模庞大的 AI 堆栈就是其中一个要克服最大困难。确保 AI 在 5G 边缘计算取得成功的一个途径是使用硬件标准和开放源代码软件。

从硬件角度看，Joinus Technology 等公司提供基于英特尔^® 至强^™ 金牌平台的 ETSI 和 PICMG ATCA 解决方案。此类解决方案每插槽可提供多达 22 个内核和 44 个线程，同时还可以集成英特尔^® 高级矢量扩展 512（英特尔^® AVX-512），以在企业内部和运营商网络边缘环境中加快处理 AI 工作负载的速度。可在运营商网络边缘使用该平台来自动化流量编排和资源管理，或在企业内部用作 AI 即服务。

在软件方面，英特尔及其合作伙伴都提供开放源代码解决方案，这将使生态系统参与者能够以经济高效的方式快速开发 AI 堆栈。例如，Wind River Titanium Cloud 是采用 OpenStack 构建的，提供了用于在 5G MEC 中支持 AI 的平台。

英特尔^® 网络边缘虚拟化（英特尔^® NEV）SDK 与 Titanium Cloud 打包在一起，可为网络架构师提供一套参考库和 API，以用于不同的边缘网络部署方案。基于英特尔至强金牌平台的 Joinus Technology ATCA 解决方案等平台可支持上述两种方案。

面向 5G 的 AI 自动化

除了传统通信功能之外，5G 网络还将连接几十亿个物联网 (IoT) 传感器。借助这些传感器，新的机器类型通信 (MTC) 和网络应运而生，同时射频频谱的使用更加广泛。

5G 的宏伟目标需要更高的自动化水平，而要达到更高的自动化水平，只能靠在整个网络基础设施中广植智能。边缘中的 AI 不但可通过监控使用情况随时间变化的趋势来为运营商持续不断地优化网络性能，而且可以用作提供新服务的平台，为运营商、企业和行业创造新的业务机会。

因为 5G 网络试验已在进行中，将 AI 植入到移动边缘基础设施中刻不容缓。