1.3.2 5G助力AI泛在化

5G網絡具備強大的連接能力和數據傳輸能力，廣泛的高質量連接與各行業的深入融合會催生大量新的數據與應用的產生。未來的車聯網、工業互聯網、物聯網等行業網絡將架構在5G網絡基礎之上，5G提供的超大容量、超低時延和超高可靠性網絡使得大量的新型數據被采集并得到快速的處理。這些新的數據將為人工智能技術的應用提供更廣闊的空間。

對于不同的行業、不同的應用，數據的類型、采集方式和使用方式也存在差別。各國為更好地保護數據隱私，提升數據安全性，也紛紛出臺法律，對各種數據進行嚴格的管理。為適應不同的場景和不同的應用的挑戰，除了基于云計算的集中式處理方式，各種分布式的人工智能算法和應用也應運而生。其中，最具有代表性的是聯邦學習。

聯邦學習的概念最早在2016年由谷歌提出，用于解決安卓手機終端用戶在本地更新模型的問題。隨后，聯邦學習得到不斷發展，逐步應用于在保證合法合規的前提下，在多個參與方或多計算結點之間開展高效率的機器學習。聯邦學習也有橫向聯邦學習、縱向聯邦學習、聯邦遷移學習等多種形式。為了很好地支持各種聯邦學習和分布式機器學習方式，參與聯邦學習的不同節點需要具備一定的數據存儲及處理能力。5G網絡支持以邊緣計算為代表的靈活的網絡架構方式，可以把算力部署在網絡的不同層級，從而很好地支持不同的機器學習算法及應用。

5G網絡提供的超高可靠低時延網絡也可以使基于AI的應用部署更加靈活。很多在邊緣節點進行的處理可以集中到云端或者統一的處理中心進行?；贏I的算法往往需要較強的算力作為基礎，這對執行AI算法的設備提出了較高的要求，從而提升了相關設備的成本。統一的處理方式一方面可以有效降低終端的要求，從而節省終端的成本；另一方面云端或者集中式處理器往往擁有更強大的存儲和計算能力，可以采用更復雜和精準的模型和算法進行更有效的處理。

綜合來看，5G可以為AI的發展和廣泛應用提供更多的數據、更靈活的部署方式，拓展更多的使用及部署場景。第5章將對5G支持的各種AI模型及算法進行詳細的分析。5G與AI的融合將逐步改變我們未來的生產及生活方式。我們在未來的生產和生活中將在更多場景中體驗到5G與AI給我們帶來的便利。第6章將對5G與AI融合服務千行百業進行分析與展望。