面向新型工业化的5G-A×AI技术白皮书 2024

中国移动2024年11月目录 01 03 06 3.1新型智联底座 3.1.4固移融合 20 21 2 27 27 29 30 34 34 发展展望-37-一参考文献 40OAl发展概述共发布20个典型应用场景和10个重点行业实践案例，2022年发布《5G全连接工厂建设指南》,络速度、时延、连接密度等关键性能指标上实现了显著提升，还引入了诸如通感一体、无源物联、内生智能等创新技术，为众多行业提供了更为丰富的应用场景和更强大的技术支持。随着2024年5G-A商用元年的到来，全球范围内的运营商和科技企业都在加速推进5G-A的技术研发和应用，等技术进一步加强移动蜂窝向工业核心生产环节渗透，实现工厂多层级高可靠、低成本、高效率的异物闯入预警、无人机避障、低空监管等，实现电力电网的实时响应、精准监测和高效管理；在智管理效率。5G-A将成为推动数字经济发展的重要力量，助力各行各业实现更高效、更智能的生产和人工智能(Al)技术作为当代科技的璀璨明珠，依托深度学习、自然语言处理及机器视觉等先进技术，已在医疗、教育、金融等多个领域展现其强大力量，实现数据处理、模式识别与智能决策的飞跃。在新型工业化进程中，人工智能基于判别式、生成式、决策式三类技术扮演了核心驱动角色，针对工业领域，人工智能通过设备智能检测、优化生产流程、提升质量控制、预测维护需求等应用，显著提升了工业生产的智能化水平，利用大数据分析预测市场需求，实现供应链的精准管理；通过机器视觉技术，对生产线上的产品进行实时质量检测，确保产品品质的稳定性；同时，结合5G-A技术，实现设备间的高效通信与协同，推动智能制造的深入发展。人工智能技术通过多个方在现代工业领域，5G-A与AI的融合正在引领一场新的技术革命，推动制造业等行业向更高效理，使5G更好地服务于垂直行业；另一方面是5G-A网络对AI应用的支撑，5G-A网络作为靠近生产要素的节点，具备更好的移动性、实时性、隐私性和端边协同的优势，可以为不同行业AI应用提供基础设施。随着新型工业化的推进，5G-A与AI的融合应用场景将进一步丰富，推动工业领域迈向更PP0流专同品更的双减网工业连接管理智享业态通感一体算网控智一体智能网业协同智联属座支持向量机神经网络决策树.“A生成式判别式面向新型工业化的5G-A×Al技术白皮书0000实施方法关键技术ERedCap、无源物联、确定性网络、固移融合等技术共同构建了新型工业智能互联的基础底座，进一步提升工业通信的效率、可靠性和灵活性，降低成本，为工业数智化转型提供坚实支撑，推动制造业向更高效率、更高质量的方向发展。随着5G的商用与发展，5G终端价格为5G在各行业的落地普及带来了挑战，其中并非所有场景都需要5G的全部功能，特别是在物联网、消费电子、工业制造等领域，通常对成本敏感，且需满足低功耗、低时延和高可靠性等要求，5G现有能力超出了实际应用需求，进而存在降低终端成本的需求。因此，产业界提出在5G网络中研究性能与成本的平衡，3GPP由此在R17中提出了5G轻量级 (reduced-capability,RedCap)终端，在确保业务需求及性能的前提下，通过能力裁剪，达到终端成本降低、尺寸极致、功耗减少等效果，有助于推动5G终端规模应用、扩大5G生态系统和应用场RedCap是5G-A的标志性技术，通过终端轻量化设计大幅降低5G成本，同时提供高速率、大连接能力，填补了5G在中高速物联网应用中的空白，使5G面向各类物联网应用需求形成了具备低、中、高、超高分档分级能力的完备技术承载体系。大带宽(100MHz→20MHz)、减少收发天线数目(最低1T1R)、降低调制阶数(上/下行端复杂度降低约60%,相比4G,RedCap除上下行速率优于Cat4终端外，还具备两方面技术优势，4G的7~18倍；二是RedCap可继承5G低时延、高可靠、安全隔离等优势，满足客户本地业务分带宽收发天线调制64QAM必选上行/下行64QAM必选上行175Mbps下行350Mbps上行120Mbps、下行226Mbps上行90Mbps、下行170Mbps上行120Mbps、下行113Mbps上行90Mbps、下行85Mbps上行75Mbps下行150Mbps下行10Mbps上行250Mbps下行1.7Gbps注1上行22Mbps、下行162Mbps1上行17Mbps、下行122Mbps注1上行22Mbps、下行81Mbps上行17Mbps、下行61Mbps上行15Mbps下行110Mbps注2下行7.4Mbps注25GNR优势中国移动携手产业链伙伴形成RedCap典型行业解决方案及标杆案例，在智能安防领域，3.1.2无源物联单点式架构组网式架构蜂窝式架构2022年2023年2025理等全行业要素的全生命周期管理全程全网新协议、新架构，新标签复用铎窝基础设施，降低系统成本集成感知能力，应用场累进一步丰富局域覆盖组网式连续覆盖，自动化管理一网多用途，人员、物品、器具统管复用现有标签，降低产业升级成本鞋服零售快销品中大型仓储规模盘存、进出库盘点低成本米级定位端随物移设备+人工管理点状应用特征图6无源物联网演进路线5G-A无源2.0基于自研组网设备中心节点、分布式节点实现大中型面积场景的连续覆盖，以及标签远距离高效读取，系统具备规模组网并发、高效盘存、低成本定位三大能力，构建了端到端自主可控核心能力，已实现商用落地。随着无源物联网技术演进，将进一步实现无源2.0能力的蜂窝化，也就是蜂窝式无源物联网，融合反向散射和蜂窝通信技术优势，创新高效数能同传空口设计、极简网络架构和协议栈等关键技术，实现空口通信性能增强、海量标签管理能力提升、系统拓扑结构多样化，提供全程、全网、全域覆盖能力及全量终端接入能力。图7无源2.0组网架构图8蜂窝式无源物联网架构中国移动积极推动5G-A无源物联落地应用，先后联合行业企业落地了包括移动自有仓、电网行业物资管理、零售场景鞋服门店管理等标杆项目。1)河北移动(保定)物流中心：针对出入库、盘点等关键环节依赖人工依次扫码，效率低、准确性差的问题，基于新型无源物联系统完成移动物资人工飞行陈列核查方式，管理成本高、实时性差，通过部署无源物联网系统3.1.3确定性3.1.3确定性Tx秒：1)5G对外授时方式，5G确定性网关采用主流的高精度时间同步算法；2)5G透传授时方式，电等行业试点多个案例。1)江苏立讯AGV通信改造：面向AGV跨区运行场景，通过2.6GHz/4.9GHz双频双发选收方案，业务时延降低44%至18ms,抖动降低37.5%至±5ms,保证“O”感知。2)荆州美的工位柔性化改造：通过精准预调度、精准门控等技术达到e时钟同步等保障，现场丢包率降低40%,抖动降至1ms以内，有效解决了天车与图105G-A确定性试点案例3.1.4固移融合3.1.4固移融合gNB异构融文智能协同传输宜业内第一：为实现异构制式的融合接入，根据异构制式接入5G网络的终结节点不同，异构融合接入方案可分为2种，如图12:“N×1”分布式接入：UPF内生端口，作为异构制式的“接入控制点”;“N+1”归一化接入：定制网关作为异构多制式的“接入控制点”,网关和UPF之间定制化接“A)hA?图12(a)“N×1”分布式接入图12(b)“N+1”归一化接入第二，为实现智能协同传输，根据智能化和集中化程度可分为三个阶段实现；阶段一：独立功能开启。初期独立考虑冗余、切换、聚合等功能开启，端侧、UPF实现相对较易，以推动端到端产业生态为主。其中，冗余功能基于UE、UPF支持双发选收模块实现，切换、聚合要求UE支持接收选路/分流指示、UPF支持负载监测。阶段二：智能统一决策。中期耦合考虑冗余、切换、聚合等功能开启，端到端拉通UE、UPF统一实现。阶段三：质差闭环保障。远期衍生考虑基于Al的质差闭环保障，UPF基于质差性能检测、进一步引入Al训推模块进行效果分析，实现异制式链路质差效果的动态预测、对比、决策，从而通过反向更新策略制定实现闭环保障。3.23.2新型智能中枢人工智能技术凭借智能感知、决策与预测的能力，为5G-A网络注入强大动力。其助力5G网络实现工业算网控智的全面数据锚定，确保网络资源和工业业务的智能协同运作，同时支持云边端智能协同下的实时决策与高效数据分析，为工业互联网打造一个全新的智能中枢。传统工业控制系统往往是专有实现，例如PLC工控系统，从控制器硬件到编程软件，甚至IO都是绑定的，用户一旦选择某个厂商的系统就几乎固定了可用的软硬件、架构和技术路线；同时工业以太网、工业总线等类型的工控协议，存在着“七国八制”的现状，并且已使用的现场级工控系统产品年代久远，技术已不适应企业转型需求，面临着软硬件复用难、异构系统互通难、控制核心算力受限等问题，限制了企业的数智化转型。5G和工业互联网的有机结合，将逐步成为支撑工业生产的新型基础设施，以5G算力底座融合工业控制、工业AI等能力，促进5G与工业应用生态的深度融中国移动在业界率先构建5G-A“算网控智”四位一体特色工业专网解决方案，以5G为载体推动工业网络升级，以ICT智算资源为核心赋能工控产业，探索新型工业控制系统的技术创新。第一直达；第二，充分利用网络内生算力提供工业控制底座，供给基于5G基座的实时+非实时混合操作测、安全设备穿戴检测等；其中，面向“算网控智”一体化解决方案，重点攻关实时虚拟化适配、当前基座的资源使用情况，对算力和网络的实时运行状态进行监控，动态分析出应用所需的实时算IvPLC3.(容器vsion/图13实时虚拟化适配确定性网络边缘图14基座算力编排求，CPU、GPU等算力硬件与UPF共用硬件平台，升级现有虚拟化容器化平台，满足Al推理对算力资源的需求，同时支持推理平台容器化，支持多种Al推理应用并发，提高算力资源利用率。应用应用应用硬件层(GPU.CPU.NPU图155GUPF智算底座架构2024年中国移动联合合作伙伴完成了基于UPF的工业算网控—体化测试验证，在UPF基座上虚通过5G确定性网络与南北向的IO站、变频器、触摸屏、工程师调试站、SCADAWeb等设备协同交业柔性生产、降本增效的需求；未来还将联合合作伙伴进行工业AI应用的融合部署测试，推动算网控智一体化解决方案在工业现场的落地。图165G基座工业算网控一体化测试案例面向新型工业化的5G-AxA技术白皮书3.2.2智能网业协同3.2.2智能网业协同传输/承载核心同h测机制，动态调整网络资源测机制，动态调整网络资源识别，分析形成业务优先级，保障网络调度策略升维QoS,将业务需求转换为网络需求组2)业务特征智能识别：通过AI等智能化方式进行业务特征自学习，其中业务特征包含消息长度、发送间隔、到达时间等，分析形成业务优先级，将业务特征作为影响因素输入基站调度器，保障网络调度策略与业务特征相匹配，达到降低业务时延、提高资源利用率的效果。另一方面，从网到业，难点在于5G-A网络如何实时计算调度能力和业务需求之间的“不匹配”,并向业务侧提供灵活建议值，从而达到更优的网业资源匹配。为此，网络构建端到端随路和旁路质量监测机制，基于QoSMonitoring等关键技术实现网络资源动态调整；进一步，建立确定性发包反馈机制，网络根据自身能力及时建议业务调整发包时间/周期(BATOffset),实现网络能力和业务发包时刻的精准适配，有效降低确定性业务的等待时延。2、网业资源精准匹配工业控制业务发包周期短且时延抖动容忍度低，5G网络的几十ms抖动会引起产线宕机，影响生产任务。在识别业务特征后，可通过网业资源精准匹配的方式，有效降低时延抖动，保障业务运1)针对时延和资源利用率的问题，通过业务特征分析形成与之精准匹配的无线资源调度策略，基站调度器根据调度策略为上行数据发送匹配对应业务的预调度参数，包括但不限于：最小间隔起始时刻、预留资源大小等，降低平均时延(等待时延)及抖动，同时可节省控制信道及业务信道资源，提升系统容量；2)针对时延抖动问题，可以根据业务的周期性特征，将不同优先级/周期的业务分配至不同的队列，精准控制不同队列的数据发送时间，保证业务按时向上传递，降低数据到达业务侧的时延抖3)针对业务超出最大看门狗时间会超时的问题，基站通过配置或自学习获得ST生存时间信息，基于维护包级的ST剩余时间调整排队优先级，确保在剩余时间不足阈值的情况下以高优先级得到调度，在剩余时间即将达到时，执行保守的空口资源分配策略，如降低调制等级、提高CCE聚合等级等。中国移动依托高确定性工业基站、边缘智能UPF等设备承载网业协同等智能化相关技术，并在多省开展工业试验网建设，加快推动相关技术商用进程。目前已在河北领克汽车、河北首钢、辽宁鞍钢、江苏华信藤仓等十余个项目完成试验网建设和试点验证，智能网业协同技术可有效提升空口资源利用率和确定性用户数量，为后续技术商用打造坚实基础。3.2.3云边端智能协同中国移动推出星辰视界视频云边智能工业解决方案，以“管理中心(云)+生产中心(边)+生私有化部薄也通神内私有化部薄也通神内面向新型工业化的5G-A×Al技术白皮书3.3.1质量管家3.3.1质量管家)-业务数据流防火堆3.3.2多维定位3.3.2多维定位q单播方式u广播方式面向新型工业化的5G-A×Al技术白皮书核心网业务支撑系统定位中心无线 4.1.14.1.1Al+工业安监设备测结果系统的实时性。此外，大模型支持多任务并行处理，不仅减少了误报率约40%和复检需求50%,也4.1.24.1.2Al+工业质检企业节省约50%～60%的人力成本；质检时间从原来人工目视10~15s/片组件减少到AI检测3s/片样品维度NG品召回率达100%,整体检测精准率达95.4%;3)在化工包装流程上：使用工业视觉质边缘云，检测效率提高10～20%,返工成本降低15%,出厂产品质量大幅提升。在工业设计领域，引入人工智能具有至关重要的意义，主要体现在能够协助设计师迅速确定最优设计方案，减少设计过程中的重复性劳动，这种方式不仅设计效率得以显著提高，整体生产力也会相应提升，同时还能有效降低设计成本。第二，提高产品质量。借助模拟和预测分析手段，对产品可能存在的各种缺陷和问题进行检测与预防，为提高产品质量提供了有力保障。第三，助力个性化定制设计。随着客户对个性化产品需求的持续增长，Al的优势愈发凸显，促使个性化定制设计更加高效且成本低廉，能够依据客户的特定需求，迅速生成与之匹配的设中国移动以九天人工智能基座模型为基础，研发出专门用于工业设计的大模型。当前，工业设计行业面临着人力密集但效率提升困难、方案设计多样性不足以及质量提升艰难这三大难题。中国移动通过使用大量工业设计图纸对九天基座模型进行增强训练，赋予该模型万字设计文档分钟级生成、创新设计图纸多方案生成以及设计智能审核等能力。该设计大模型为工业设计提供了一站式智能解决方案，有力地推动了行业的数智化转型，为中国建造领域注入了智慧的活力，促进其焕发出CAD情盐2曰0图26中国移动工业设计大模型在某石油装备制造企业中，存在着石油装备工业设计效率低下、人力成本偏高的痛点问题。在液控专业场景方面，借助大模型技术，可实现计算书、技术协议、设计数据手册等装备设计文件的智能化生成。而对于顶驱业务场景，通过利用多模态大模型能力，能够达成顶驱主设备三维辅助设计，实现电控房主视图、后视图、左视图、右视图、剖视图和柜体底座打孔图等二维布局图纸的自4.2.24.2.2AI+行业知识助手知识向晶库Q图27RAG技术架构图与传统的大型语言模型相比，RAG技术不仅在问答系统、文档生成和自动摘要、智能助手和虚拟代理、信息检索、知识图谱填充等应用场景中发挥作用，还支持多模态理解，能够处理文本、图像、音视频等多种类型的数据，增强模型的容错性，有效处理拼写错误和模糊描述的问题，并通过依赖于大模型的推理能力，将检索到的知识融合到大型语言模型的生成过程中，提升回复的质量和准确性。中国移动深度挖掘企业用户知识管理需求，深入细分场景进行工业知识大模型建设，在数据方面，计划建设5000万tokens的厂区巡检、规范文本和国标、行标、安全手册等数据，覆盖工业视觉、工业知识、设备运管、新能源相关场景；在算力、模型和平台方面参考Al