边缘的人工智能优化5G毫米波网络

作者Peter A. Rabbeni

人工智能以许多不同的方式触及我们的生活,虽然一些人工智能的应用非常明显,如日益流行的亚马逊Echo和谷歌Home语音控制的智能数字助理,但其他一些则不那么明显。但它们绝不是不那么重要。

例如,人工智能技术对5G无线通信的成功推广至关重要。5G是发展中的超高速、超高带宽、低延迟的无线通信系统和网络标准,其能力和性能将超越现有技术。

5G级别的性能不是一种奢侈品;它是世界迫切需要的一种能力,因为无线连接设备的部署呈爆炸式增长。巨大的数据量正准备压倒现有的系统,而必须被访问、传输、存储和处理的数据量正在快速增长。

即将到来的数据爆炸需要5G

根据一些估计,每分钟,世界各地的用户发送1800万条短信和1.87亿封电子邮件,观看430万个YouTube视频,进行370万次谷歌搜索查询。在制造业,分析师预测,2017年至2020年期间,联网设备的数量将翻倍。总体而言,到2021年,互联网流量将达到每年3.3兆字节,其中Wi-Fi和移动设备的流量占63%(一个兆字节比一个千兆字节大12个数量级,即1021字节)。

需要新的5G网络来处理所有这些数据。新网络将分阶段推出,最初的实施将利用现有的4G LTE和非授权接入基础设施。然而,虽然这些最初的第一阶段系统将支持6GHz以下的应用和超过10GBps的峰值数据率,但事情在第二阶段才真正开始变得有趣。

在第二阶段,将部署毫米波(mmWave)系统,使需要超低延迟、高安全性和非常高的小区边缘数据率的应用成为可能。(边缘 "指的是设备与网络连接的地方。如果一个设备能在边缘做更多的数据处理和存储--也就是说,不必在网络上来回发送数据到云端或数据中心--那么它就能更快地做出反应,网络上的空间也将被释放出来)。

AI和5G是完美的合作伙伴

AI功能是边缘计算的关键,因为它提供了对网络、小区和设备的更有效控制。没有它,许多依赖边缘计算的5G应用根本无法实施,也不能很好地工作,或者部署成本太高。

以自适应波束成形为例,来自相控阵天线的信号以增加特定方向的信号强度的方式组合。这对5G应用很重要,因为虽然毫米波频率范围(30GHz-300GHz)的频谱可用性几乎是无限的,但这些波长的信号会被大气吸收而减弱,从而将其可用范围限制在300米左右。它们也很难穿透建筑物和树叶。

过去,利用毫米波频率的系统在建造时接受了这些限制,但这也限制了它们的应用。用于毫米波5G通信的自适应波束成形天线阵列的控制对于优化其操作和性能至关重要,因此随着半导体和更快的数字信号处理的发展,传感系统与人工智能相结合,可以用来控制它们。这将导致动态优化的基站和计算资源,更好地适应不断变化的用户需求和环境条件。如果没有人工智能,这将是更难实现的。

智能监控摄像机

人工智能节约网络资源的另一种方式是它在日益增长的 "智能 "监控摄像机的使用中的作用,这些摄像机利用了多样化的半导体技术。2016年,全球有超过1.2亿台IP(互联网协议)摄像机连接到网络,用于广泛的应用。

其中许多是所谓的 "智能 "监控摄像头。(最近有一个值得注意的例子,智能监控技术使警方能够在6万名音乐会观众中找出一名通缉犯)。

不过,如果没有人工智能来实现对智能摄像机产生的大部分数据的边缘处理,网络就会过载。一台高清IP智能摄像机每秒产生10Mb的数据流(或30帧)的视频。乘以近年来增加的数以百万计的此类摄像机,仅这一应用所需的网络带宽就将超过每秒1PB(1015)--显然是不切实际的。

人工智能在边缘的救援

此外,用目前的技术在云端处理这些数据将是非常昂贵的。唯一真正的答案是在边缘进行计算,使用人工智能技术进行物体识别、手势检测和分类,并且只在网络上发送最小的元数据。

人们可能会认为,要做到这一点需要最先进、最领先的半导体技术,但事实上,有许多工艺在发挥作用。GF为一系列5G和边缘连接应用提供业界最广泛的技术解决方案,包括毫米波前端模块(FEM)、独立或集成的毫米波收发器和基带芯片,以及用于移动和网络的高性能应用处理器。

例如,GF的RF SOI、SiGe和FDX™ FD-SOI产品旨在服务于从6GHz以下到mmWave频段的应用。RF SOI和SiGe解决方案为带有集成开关的FEM、低噪声放大器和功率放大器应用提供了性能、集成度和功率效率的最佳组合。FDX的产品非常适用于下一代联网设备,如智能相机,这些设备需要内置智能和无线连接的超低功率技术。

客户可以利用FDX的后门体偏压能力,在图像处理、人工智能/机器学习或系统处于待机状态时控制漏电等需要时,可用于动态地提高性能。FDX的IP合作伙伴生态系统包括用于片上电源管理、无线电子系统、低压SRAM、瞬时开启的MRAM、eNVM和FPGA块的优化IP,用于人工智能边缘计算所需的高度集成的灵活片上系统(SoC)。

用于未来商用IP摄像机的FDX SoC。(来源:GF)

连接的智能

传统上,该行业从非整体性的角度看待网络,以交易为基础,从计算、存储和数据传输的独立和不同的角度看待网络。

但是,如果我们现在考虑在网络中加入许多具有传感器收集能力的边缘连接设备,我们就会开始看到创建具有智能传感能力的网络的价值,其数据可以被收集并成为智能和基于时间的决策的基础,从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--对从连接到网络的设备/传感器收集的信息进行感知、决策和行动的能力,以创造最终的用户体验。

增加人工智能引擎来增强这种 "感知、决定和行动 "的网络优化方法,可以创建一个非常强大的框架,以最佳方式利用现有的网络资产。

在这一切之下,人们认识到,人工智能支持的5G毫米波网络将取决于半导体技术的进步和创新。没有单一的技术解决方案可以满足所有潜在的应用。这将需要一系列的技术来使这些下一代的应用无缝衔接,并使其潜力最大化。

GF正与客户密切合作,了解他们在这一领域的需求,并通过我们的组合优化来帮助满足边缘人工智能的需求,从而引领行业发展。

关于作者

 

Peter A. Rabbeni

彼得是细分市场供应管理、业务发展和市场营销的副总裁。他在无线行业拥有超过25年的经验,曾在OEM和硅片层面担任过系统/电路工程、销售、营销和业务开发职位。他曾在雷神公司、爱立信公司和IBM公司担任高级职务,在IBM公司时,他建立了垂直整合的半导体组合战略,在全球范围内赢得了价值超过30亿美元的硅设计。他负责培养IBM在亚洲的射频代工业务,使其成为IBM微电子公司内最成功的设计赢家引擎之一。他是帮助领导GF成功收购和整合IBM的射频代工业务的关键人物。