今天，电信行业已经认识到需要更快的终端用户数据速率。以前的用户很乐意互相打电话和发短信。然而，现在移动通信以一种如此戏剧化的方式改变了我们的生活，这是很难想象的。
如今，我们更倾向朝着成像和VR / AR基于视频的通信。因此，考虑到这样的需求，这些应用都在寻找一种新的类型的网络。与360°视频应用逼真的体验需要大量的数据和零滞后网络。
为了让你快速了解一下，拥有相当于4K电视分辨率的VR需要1Gbps的带宽才能实现流畅的播放，而互动则需要2.5 Gbps;两者都需要10ms的最小延迟和最小延迟。这是往返时间。很快，这些应用将瞄准智能手机，给网络带来额外的压力。随着AR/VR服务的日益普及，拟议中的5G网络将提供所需的速度和性能。
每一个物联网设备[免责声明：笔者工程网络洞察]，不管它是多么愚蠢，将创建的数据以及这些数据对AI的发动机的燃料。AI让我们用数据做更多有趣的事情。我们将看到数据的海量的最终目标是把这些数据转化为价值的能力。在数据的上升，从5G的启用代表AI最大的机会。
这里将是空前的，将必须在整个网络中处理在某些情况下被缓存在本地，以确保低延迟数据的水平。对于这一点，我们首先需要移动处理更贴近用户利用超低延迟和超高通量。
5G的一些挑战
引进5G并非没有挑战。它是昂贵的，并且分布在尚未分发过去的方式。有参与建设这种类型的网络的广泛的成本。地点是中央有效的规划，部署和5G网络的优化。
此外，5G毫米波也有其自身的挑战。有一些技术可以让你接收到信号并将其发送给特定的客户，而不是发送给每个方向。旧的方法类似于一个灯泡到达房间的所有部分，而不是手电筒瞄准特定的区域。
因此，选择合适的位置，起着5G网络的开发和部署了关键作用。因此，你必须，如果你正在建立在正确的地方，并销售到正确的目标分析。有多少新用户，你希望如果你选择一个区域比其他注册为服务？你需要考虑到周围的区域，建筑结构和多么容易得到信号的传播人群。
此外，我们必须了解潜在的洪水和分析实时天气来预测交通的变化。因此，如果有雷暴，我们需要了解这些事件如何影响网络的需求，然后进行预测计算。人工智能当然可以帮助预测这些事件。
AI，一个门口机会
5G推出了新的挑战，但通过整合AI技术到网络是业界解决这些复杂性的一种方式。人工智能技术是一个关键组件，它需要适应于网络，帮助管理和控制这种变化。另一个重要的用例AI是网络规划和运营。
与5G，我们将有小细胞到处其中每个单元被连接到光纤线路的100,000s。据预测，我们可以在全球拥有1000万个单元。搞清楚如何规划和设计所有这些细胞会超越人类的能力。这是AI可以做现场评估，并告诉你吞吐量，具有一定的设计。
AI可以帮助建立了5G的基础设施和绘制出手机信号塔的位置要找准最佳位置为5G部署。它可连续监测是如何被使用的网络。如果手机信号塔的不工作，则如预期，AI可以通知到另一个手机信号塔接管。
以供应商为中心的设备无法支撑5G
随着5G网络的启用，我们有了大量的数据。在某些情况下，每天的铅含量可能很高;其中大部分将来自基于视频的应用。以供应商为中心的设备的部署模型不能维持流量的指数增长。
我们将会在这个领域看到许多开放源码，随着处理和计算、存储和网络功能的发展。最终，这将在边缘创建一个实时网络。
在边缘处多个处理
边缘计算涉及到将计算机、服务器和网络置于离用户更近的网络边缘。它在边缘提供智能，从而减少了到主干的通信量。
边缘计算可导致例如AI对象识别以下0.35秒达到目标识别。从本质上讲，我们是坐在边缘图像识别深度学习算法。该算法坐在网络的优势将有助于减少发送到骨干网的流量。
然而，这也开辟了新的攻击面，幸运的是AI与网络安全打得很好。闭环系统将收集在网络边缘的数据，身份威胁，并采取实时行动。
Edge和开源
我们可以在我们处理一些流行的开源选择。开源边缘计算的一些例子可能是Akraino边缘堆栈，ONAP开放网络动漫平台和飞艇公开赛基础设施项目。
Akraino Edge栈创建了一个支持高可用性云服务的开源软件栈。这些服务针对边缘计算系统和应用程序进行了优化。
Akraino R1版本包含了10个“准备好并被证明”的蓝图，并为边缘用例提供了一个功能齐全的边缘堆栈。这些包括工业物联网、电信5G核心和vRAN、uCPE、SDWAN、边缘媒体处理和载波边缘媒体处理。
ONAP(开放网络平台)为物理和虚拟网络功能的实时、策略驱动的编排和自动化提供了一个全面的平台。这是一个由Linux基金会主办的开源网络项目。
最后，飞艇开放基础设施项目是一组用于自动化云供应和管理的开源工具。这些工具包括用于虚拟机的OpenStack、用于容器编配的Kubernetes和用于裸金属的MaaS，讽刺的是，它们计划支持OpenStack。