电信运营商正在加大对5G的投资，以满足消费者和企业服务的低延迟需求。然而，仅对边缘计算进行投入并不能保证它们满足这些需求。因此，运营商开始投资边缘人工智能（AI）应用，以便把网络延迟降至5毫秒。
在网络速度、覆盖范围和容量方面提高网络性能来保证高质量服务和体验并降低网络运营成本，AI大有潜力。基于这个原因，运营商应该进行投资，确保自己在边缘拥有强大的应用、数据以及AI开发和管理能力，边缘AI对运营商网络的发展至关重要。
边缘AI将支持运营商提供新服务
运营商投资边缘AI的主要动力在于能让网络实现新服务所需的低延迟目标。5G可以提高速率并将延迟降低至5毫秒，让运营商能够提供新服务，包括移动游戏、VR/AR、物联网（IoT）和自动驾驶。为实现这些服务，AT&T、Verizon和沃达丰等运营商正在将5G与分布式计算和存储能力结合起来。
通过增强的网络延迟能力，运营商可以改善客户体验。在制造领域，一些行业依赖快速连接来执行的工作，如监控装配线来确保产品质量网络。在消费领域，比如向核心网传输视频流量时由于时间延迟而经常发生的缓冲问题也可以解决，从而改善视频服务体验。
此外，边缘AI还能降低成本。在核心网处理这些服务会产生成本，这种成本在5G核心网会更明显。以视频为例，如果流量传输到核心网进行处理会产生较高的带宽成本，借助边缘AI，运营商可以在临近客户的位置处理部分数据，只将分析结果发送到核心网，从而降低回传成本。
边缘AI将增强网络性能
研究机构Omdia的调查显示，企业市场是运营商进行边缘投资的关键领域，其中，工业物联网和自动化工厂被认为是最有潜力的行业。德国电信和韩国电信等运营商一直在进行智能工厂方面的试验，利用AI执行视频分析工作，从而为制造业提供支持。
考虑到边缘通信量的增长以及网络低延迟的需要，运营商需要对网络资源进行管理和优化，从而提高效率。因此，无论在边缘交付何种服务，运营商都需要AI应用来增强边缘网络资源的性能，从而降低成本并满足严格的服务水平协议要求，确保客户获得高性能和安全的边缘服务。这些益处将使运营商能够获得更多收入，能把节省下来的资金用于网络的进一步开发。
对于在边缘优化的网络资源，AI能够推动更快的决策和行动。例如，频谱是一项有限且昂贵的资产，因此必须进行优化才能保证网络性能从而驱动高质量的服务。边缘AI快速模式识别、预测和推荐能力使运营商能够优化流量负载，确保频谱得到有效利用。诺基亚和爱立信等设备供应商将AI算法应用到无线接入网的基带单元，取得了无线电性能改善等成果，调整后的波束成形模式确保传输信号集中在用户所在位置，为他们提供更好的体验。此外，运营商还可借助AI进行数据包分析、智能IP流量控制以及预测网络边缘的网络安全漏洞等操作。
边缘AI短期和长期投资动力各不同
运营商投资边缘AI由对网络更低延迟和边缘服务安全性的持续需求所驱动。然而，从短期和长期来看，推动这些投资需求的因素各有不同。
从短期来看，新冠肺炎疫情期间，越来越多的人选择在家办公和学习，视频服务消费增多而导致流量激增成为运营商投资边缘AI的主要理由。由于视频服务要求高质量的体验，运营商需要边缘AI工具来加快处理速度以实现这一目标。
从长期来看，运营商采用边缘AI的主要动力包括基于5G和物联网的服务推出速度加快，由于多数运营商网络面临速度限制，有些服务目前还不可能实现。
运营商在5G时代将部署更多的网络边缘资源，如更大容量和更快速度的小基站。用户平面功能等5G SA核心网络功能将被部署到核心网，使数据包处理、流量汇聚和服务托管能够在更靠近用户的网络边缘执行，从而在提高带宽效率的同时降低网络成本。用户平面功能将具备云原生性质，因此需要解决复杂的实时处理问题，如应用程序检测、内容过滤和流量优化等，从而实现用户流量的高性能数据前送。5G SA核心网的关键功能网络切片也将启用，使运营商能够将网络端到端分割成多个虚拟网络切片，最终满足5G服务的独特性需求。
更多物联网终端将进入网络，需要由网络进行管理。其中一些终端实现有效运行不需要连接到核心网，因为支持其功能所需的决策可以在边缘执行。如果在边缘执行，支持自动驾驶等用例的AI算法的延迟将得到保证。
边缘网络的复杂性、数据量的增加可能会影响网络的性能和安全。解决这些问题需要在网络边缘快速处理数据，这促使运营商利用AI能力挖掘不断增长的数据量来提高效率并确保边缘网络的安全。
因此，伴随运营商需要基站和其他网络边缘位置来托管边缘基础设施和运行AI应用，预计运营商在边缘AI方面的支出会增加。运营商还将投资相关计算机硬件、数据收集和处理能力，以便支持边缘AI用例的流量和内容分类等功能。在多数情况下，这些功能将是AI推理工作的负载。
投资适合自己的边缘AI能力
AI将在未来的边缘计算中扮演重要角色，因此运营商需要做出关键决策来有效地部署这一能力并获取投资回报。有些因素非常重要，比如拥有合适的云计算、数据以及AI开发和管理基础设施来确保通过边缘AI应用实现最佳成果。运营商还需要确定计划提供的服务，了解这些服务对延迟和容量的要求并明确如何界定边缘和核心网来支持这些服务。
像自动驾驶这样的服务不仅需要广域蜂窝网来保障覆盖性，还需要分布式计算来支持移动性。因此，运营商应确保在广域网边缘计算部署中可以使用AI能力来支持此类服务。
运营商还必须考虑边缘网络的物理位置、放在那里的计算资源如CPU、GPU等，在实现性能最大化的同时将成本控制在预算之内。就AI应用而言，考虑到计算需求以及训练模型所需的数据，运营商需要根据每个用例来确定是在边缘进行训练还是集中进行训练。
边缘AI系统生成结果的质量至关重要，AI算法生成的不准确结果将影响边缘服务的整体体验。为了确保AI工具生成最优结果，运营商需重视数据收集和管理以及AI模型的生命周期管理。运营商需要定期对AI模型进行再训练，确保AI模型提供有效的结果来支持相关用例。
此外，运营商需要与生态参与者合作开发边缘AI应用，包括应用开发商、内容提供商和公共云提供商。比如，运营商可以与公共云提供商合作构建边缘云环境，并借助他们的资源、伙伴关系和应用开发商关系。这些能力确保运营商网络可以利用边缘AI提供新服务并提高网络性能。
