边缘人工智能助力优化5G毫米波网络

作者:Peter A. Rabbeni

人工智能在日常生活中的应用十分广泛,只不过一些支持人工智能的应用比较引人注目,比如越来越受欢迎的Amazon Echo和Google Home语音控制智能数字助手,而另一些应用则不那么明显,但这绝不表示这些不明显的应用不重要。

例如,5G无线通信能否成功推出,在一定程度上取决于人工智能技术的发展。5G是一项正在制定中的标准,主要针对超快、超高带宽、低延迟的无线通信系统和网络,这些系统和网络的容量和性能都将远超现有技术。

5G级性能并非奢侈之物。随着无线互联设备部署数量的爆发式增长,它已成为全球范围内亟需实现的一种性能。海量数据将会超出现有系统的承载能力,而需要访问、传输、存储和处理的数据量也在快速增长。

即将到来的数据大爆炸亟需5G技术

据估计,全世界的用户每分钟会发送1,800万条短信和1.87亿封电子邮件,观看430万个YouTube视频,进行370万次Google搜索查询。有分析师预计,在2017年到2020年期间,制造业采用的互联设备的数量将会翻一番。总体而言,到2021年,互联网流量将达到每年3.3泽字节,Wi-Fi和移动设备的用量将占到总流量的63%(1泽字节比千兆字节高出12个数量级,也就是1021字节)。

而要想处理这类数据就离不开全新的5G网络。新的网络将分阶段推出,初期会利用4G LTE和无授权访问这类现有的基础设施。虽然初期第1阶段采用的这些系统可支持各类6GHz以下的应用,而且支持的峰值数据速率能超过10GBps,但真正的重点在于第2阶段。

第2阶段将会部署毫米波(mmWave)系统,为需要超低延迟、高安全性和极高蜂窝边缘数据速率的应用提供支持。(“边缘”指的是设备与网络相连接的点。如果一台设备能够在边缘位置处理和存储更多数据(也就是无需通过网络在云端或数据中心之间来回传输数据),那么其响应速度会更快,占用的网络空间也就更少。)

人工智能和5G堪称是完美组合

人工智能的功能是决定边缘计算性能的关键,因为它能提供更有效的网络、蜂窝和设备控制。如果没有人工智能的支持,许多依赖于边缘计算的5G应用将根本无法实现,或无法正常运作,抑或是需要花费极高的成本来进行部署。

例如,在自适应波束形成中,相控阵天线发出的信号会通过一定的方式组合在一起,以增加特定方向上的信号强度。这一特点对5G应用来说非常重要,因为虽然毫米波频率范围(30GHz–300GHz)内可使用的频谱几乎没有限制,但这些波长的信号会因大气吸收而衰减,导致其可用范围会限制在约300米以内。此外,这类信号也难以穿透建筑物和植物。

这些限制在过去构建采用毫米波频率的系统时就已存在,系统的应用范围因而也受到了影响。如何控制自适应波束形成天线阵列(用于进行毫米波5G通信)对于优化其操作和性能而言至关重要,因此,随着半导体技术的进步和数字信号处理速度的提高,可以利用具有人工智能功能的感应系统来进行控制。此举将有助于基站和计算资源实现动态优化,更好地满足不断变化的用户需求,适应各种环境条件。而如果没有人工智能,这将很难实现。

智能监控摄像头

如今,“智能”监控摄像头的使用日益广泛,它们基本采用了多种半导体技术,而人工智能在这类摄像头中的应用正是节省网络资源的另一种方式。2016年,全球范围内联网的IP(互联网协议)摄像头的数量已超过1.2亿,应用类型更是多种多样。

其中很多就是我们所说的“智能”监控摄像头。(就在最近,智能监控技术就帮助警察从6万名音乐会观众中找出了通缉犯。)

如果没有人工智能对智能摄像头生成的大部分数据进行边缘处理,那么网络就会出现过载。一个高清IP智能摄像头每秒会产生10Mb(或30帧)大小的视频流。如果再乘以近年来增加的数以百万计的摄像头,单单这一类应用每秒所需的网络带宽就会超过拍字节(1015),这显然是不切实际的。

人工智能利用边缘技术解决难题

此外,在当前的技术条件下,在云端中处理这些数据的成本非常高昂。唯一有效的解决方案就是在边缘进行计算,使用人工智能技术来识别对象、检测手势和进行分类,并只将最少量的元数据通过网络发送出去。

有人可能会认为,要做到这一点,就需要采用最先进、最前沿的半导体技术,但其实,目前市场上的多种产品和技术就已足够解决问题。格芯拥有业界最广泛的技术解决方案,适合各种5G和边缘连接应用,包括毫米波前端模块(FEM)、独立或集成毫米波收发器与基带芯片,以及用于移动和联网的高性能应用处理器。

例如,格芯RF SOI、SiGe和FDX™ FD-SOI产品就旨在为6GHz以下到毫米波频段的应用提供支持。RF SOI和SiGe解决方案为集成开关、低噪声放大器和功率放大器的FEM提供出色的性能、集成度与功效组合。FDX产品则非常适合下一代互联设备,如需要超低功耗技术、内置智能功能和无线连接的智能摄像头。

在系统处于待机状态,需要进行图像处理、人工智能/机器学习或控制漏电时,客户可以利用FDX的背栅极体偏置功能来动态地提高性能。IP合作伙伴的FDX生态系统包括:经过优化的IP(用于片上电源管理)、无线电子系统、低压SRAM、即时开启型MRAM、eNVM和FPGA块,以此打造支持人工智能的边缘计算所需的高度集成且灵活的片上系统(SoC)。

适用于未来商用IP摄像头的FDX SoC。(资料来源:格芯)

互联智能

一直以来,不管是在事务处理层面,还是在计算、存储和数据传输这些相互独立且明显不同的方面,业界都没有全面地看待网络。

但是,如果我们现在考虑向网络中添加许多具备传感器采集功能的边缘互联设备,我们将能了解到打造具备智能感应功能的网络究竟具有何种价值——可以采集数据、以这些数据为依据做出明智、及时的决策,进而改善和优化网络提供的服务。

这就是我们所说的互联智能,即能够感测到联网设备/传感器收集的信息,并以此为依据做出决策、采取行动,提供出色的用户体验。

通过增加人工智能引擎的数量,可以增强这种“感测、决策并采取行动”的网络优化方法的效力,进而形成功能强大的框架,以便更充分地利用可用的网络资产。

究其根本,能否实现支持人工智能的5G毫米波网络,关键在于半导体技术领域的进步和创新。没有哪一种技术解决方案能够服务于所有潜在的应用。要想让这些下一代应用无缝协作,同时充分发挥它们的潜力,我们需要采用一系列的技术。

格芯与客户紧密合作,努力了解他们的相关需求,并利用经过优化的产品组合引领行业发展,不断满足客户对边缘人工智能的需求。

关于作者

Peter A. Rabbeni

Peter目前担任产品管理、业务开发与营销部门副总裁。他拥有超过25年的无线行业从业经验,涉足OEM和芯片两大领域,从事过系统/电路工程、销售、营销和业务开发工作。他曾在雷神公司、爱立信和IBM担任高级职位。在IBM工作期间,他开发出了垂直整合型半导体产品组合战略,帮助公司在全球范围内实现了30多亿美元的芯片设计中标收入。当时,他还负责拓展IBM在亚洲地区的RF代工业务,最终将其打造成了IBM微电子部门最成功的设计中标业务来源之一。在推动格芯成功收购和整合IBM的RF代工业务方面,他发挥了关键的作用。

更多详情