今天，电信业已经确定了更快的最终用户的数据传输速率的需求。此前用户们高兴地打电话，互发短信。不过，现在移动通信已经转变了我们的生活在这样一个戏剧性的方式，是很难想象了这种类型的通信。
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。
为了给你一个快速的想法，与VR相当于4K电视的分辨率，分辨率将需要的1Gbps的一个流畅播放或2.5 Gbps的数据交互的带宽;这些都需要10ms的和最小延迟的延迟时间最短。而这对于往返时间。不久，这些应用程序将针对智能手机，把额外的压力在网络上。作为AR / VR服务越来越受欢迎，建议5G网络将产生速度和所需的性能。
一切物联网设备[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。
与5G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毫米波有它自己的挑战。有技术，让您拍摄的信号，并把它朝着一个特定的客户，而不是将其发送到每一个方向的。旧的方式将类似于一个灯泡到达所有房间的部分，而不是一个手电筒目标的具体领域。
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，我们必须了解洪水的潜力和分析实时的天气预测流量的变化。所以，如果有雷阵雨，我们需要了解这些事件如何影响网络的需求，然后作出预测计算。AI肯定能帮助预测这些事件。
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。
供应商为中心的设备不能维持5G
随着5G网络的启用，我们有一个庞大的数据量。在某些情况下，这可能是在每天的PB区高;大多数这将是由于基于视频的应用。的供应商为中心的设备部署模式不能维持在此流量呈指数增长。
我们将看到很多开源在这方面，与处理和计算，存储和网络功能向边缘移动。最终，这将创造边缘的实时网络。
在边缘处多个处理
边缘计算涉及具有在更靠近用户的网络的最边缘的计算机，服务器和网络。它提供智能的边缘，从而减少交通要去骨干量。
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。
该Akraino边缘堆栈创建一个支持高可用性云服务的开源软件堆栈。这些服务是为高端运算系统和应用进行了优化。
所述Akraino R1释放包括10个“准备和成熟的”蓝图，并提供用于边缘的用例的全功能边缘栈。这些范围从工业的IoT，电信5G核心＆vRAN，UCPE，SDWAN，边缘媒体处理和载体边缘的媒体处理。
该ONAP（开放式网络平台）提供了实时的，策略驱动的业务流程以及物理和虚拟网络自动化功能的综合平台。它是由Linux基金会的一个开放源码的联网工程。
最后，飞艇开放基础设施项目是开源工具的自动化云供应和管理的集合。这些工具包括OpenStack的虚拟机，Kubernetes集装箱编排和马斯裸机，与OpenStack的讽刺计划的支持。