5G全面应用面临的挑战

如今，电信行业已经需要更快的数据传输速率，以前，用户习惯于打电话和发短信。但是，现在移动通信已经发生较大变化，以视频通话、网络聊天等互联网通讯为主。而未来，人们更倾向于基于影像和基于VR / AR视频的通信。因此，考虑到这些需求，需要一种新型的网络做支撑。360°视频应用的沉浸式体验需要大量数据和零延迟网络。

经过测试，分辨率等于4K电视分辨率的VR需要1 Gbps的带宽才能流畅播放，而需要2.5 Gbps的交互带宽。两者都需要10ms的最小延迟。不久，这些应用将以智能手机为目标，给网络带来更多压力。随着AR / VR服务的普及，5G网络将产生速度和所需的性能。

每个物联网设备，都会创建数据，而这些数据是AI引擎的动力。人工智能使我们能够对数据做更多有趣的事情。我们的大量数据的最终目标是将这些数据转化为有价值的能力。启用5G带来的数据增长代表了AI的最大机遇。

将会有前所未有的数据量在整个网络需要处理，并且在某些情况下会本地缓存以确保低延迟。为此，我们首先需要使处理过程更靠近用户，以利用超低延迟和超高吞吐量。总之5G的大批量应用存在一些需要解决的技术挑战，下面一起探讨它所面临的挑战。

5G的推出并非没有挑战，但是它的建设很昂贵，建立这种类型的网络涉及大量硬件和基础设施成本。这些对于有效的规划，部署和优化5G网络至关重要。

此外，5G毫米波也面临着自身的挑战。有一些技术可以让您接收信号并将其发送给特定的客户，而不是将其发送到所有方向。旧方法类似于照亮房间所有部分的灯泡，而不是针对特定区域的手电筒。因此，选择正确的建设位置在5G网络的开发和部署中起着关键作用。因此，必须分析是否在正确的位置进行建设，并针对正确的目标进行营销。所以需要考虑建设区域、注册服务的用户数量、区域的人口、建筑结构以及获取信号的难易程度等等。

5G带来的另外一个新的挑战，就是通过将AI技术集成到网络中，这是业界需要解决的复杂问题。人工智能技术是需要适应网络以帮助管理和控制这一变化的关键组件。AI的另一个重要用例是网络规划和运营。

另外一个挑战，就是需要在每个蜂窝连接到光纤线路的任何地方拥有100,000个小型蜂窝。据预测，可能需要在全球建设1000万个线路。弄清楚如何计划和设计所有这些单元将超出人类的能力范围。只有AI在这里可以进行站点评估，并分析设计的吞吐量。这样AI可以帮助建立5G基础设施并规划蜂窝塔的位置，从而为5G推出确定最佳位置。它可以连续监视网络的使用方式。如果其中一个手机信号塔无法正常运行，则AI可以向另一个手机信号塔发出信号以接管该信号。

以供应商为中心的设备无法承受5G也是一个挑战，随着5G网络的启用，网络中拥有大量数据。在某些情况下，每天PB级的数据量可能会很高；其中大部分将归因于基于视频的应用程序。以供应商为中心的设备的部署模型无法维持流量的这种指数式增长。

随着处理和计算，存储和网络功能的发展，最终，需要在边缘创建一个实时网络解决这样的问题。

边缘处理更多也是一个新的挑战，边缘计算涉及计算机，服务器和网络，需要依靠位于网络中与用户更近的边缘端。它在边缘提供了智能，从而减少了去往骨干网的流量。

边缘计算可以导致例如AI对象识别在0.35秒内达到目标识别。本质上，我们拥有位于边缘的图像识别深度学习算法。位于网络边缘的算法将有助于减少发送到骨干网的流量。同时，这也面临新的攻击方式，需要依靠AI在网络安全方面发挥好的作用。闭环系统将在网络边缘收集数据，身份威胁并采取实时措施。

总之，在5G大规模应用之前，这些面临的挑战都要通过技术创新进行解决，最后才能实现整个5G的目标。