Azure AI和IoT在TOB业务中如何助力5G创新,azure ai技术-ESG跨境

Azure AI和IoT在TOB业务中如何助力5G创新,azure ai技术

2022-07-05

579

Azure AI和IoT在TOB业务中如何助力5G创新,azure ai技术Azure AI和IoT在TOB业务中如何助力5G创新欢迎转发扩散，这是对我最大的支持！本文介绍 Azure 如何在5G场景下助力业务创新，实际上是 5G+AI+IoT的大集合这么玩。5G场景下的三大特点分别对应着一些具体的业务场景，eMBB针......

Azure AI和IoT在TOB业务中如何助力5G创新,azure ai技术

Azure AI和IoT在TOB业务中如何助力5G创新

欢迎转发扩散，这是对我最大的支持！

本文介绍 Azure 如何在5G场景下助力业务创新，实际上是 5G+AI+IoT的大集合这么玩。

5G场景下的三大特点分别对应着一些具体的业务场景，eMBB针对高清视频等系列应用；mMTC针对智慧城市等物联网应用；uRLLC针对工业控制或者远程驾驶等应用。

在这几类场景中我们举个极端的案例：

北京的某个工厂，控制系统在上海，我们在北京和上海之间拉了一根网线进行连接，那么设备执行了某个步骤之后，需要发请求到上海，上海的控制系统是一台奔三的服务器，这套系统显然不能工作对吧？

采用何种改进才能正常工作呢？1.控制系统从远程下沉到工厂内部，2.设备和控制系统采用更快的连接方式，比如光纤，3. 提高控制系统算力。

把这个案例扩展到5G场景也是一样，5G虽然空口时延从之前的10ms降低到1ms，但物理距离仍然是制约条件，因此需要将算力下沉到离业务最近的边缘，这套方案就是MEC。

从上图的某运营商的低时延的构想可以看出，运营商会利用自己已有的网络优势，逐步在边缘部署MEC，MEC上跑我们的业务应用。上图中的综合接入局房和边缘DC中都有MEC的影子。

MEC的概念最早源于卡内基梅隆大学在2009年所研发的一个叫做Cloudlet的计算平台。这个平台将云服务器上的功能下放到边缘服务器，以减少带宽和时延，又被称为“小朵云”。

2014年，欧洲电信标准协会（ETSI）正式定义了MEC的基本概念并成立了MEC规范工作组，开始启动相关标准化工作。

2016年，ETSI把MEC的概念扩展为Mutiaccess Edge Computing，意为“多接入边缘计算”，并将移动蜂窝网络中的边缘计算应用推广至像WiFi这样的其他无线接入方式。

5G网络和MEC之间的结合点是UPF。这个网元的全称是User Plane Function，顾名思义，就是处理核心网用户面功能的。所有的数据，必须经过UPF转发，才能流向外部网络。

UPF则下沉到省中心，乃至地市，区县，方便实现本地数据本地消化，UPF连接MEC，MEC由互联网厂商提供或者互联网厂商提供的计算单元直接挂载到MEC上。

下图是ATT和微软联合的5G MEC方案，其中使用了Azure Stack Edge这款硬件及服务的产品。

图中的本地数据包含摄像头应用，温湿度应用，智能眼镜应用均通过5G连接到运营商基站，数据经由MEC中转，如果是上述三个本地应用数据，则直接经由客户的网络进入到Azure Stack Edge中。

Azure Stack Edge可以经由公共网络或者Express Route 连接到Azure

下一个问题是为什么要使用Azure Stack Edge？

实际上Azure Stack Edge 可以提供一些云边扩展的能力，这些能力比如：

边缘机器学习

Azure Stack Edge 通过处理源附近的数据来帮助解决延迟或连接问题。在边缘位置运行机器学习模型。将所需数据集（完整数据集或子集）传输到Azure，以重新训练并继续改进模型。

物联网

对 IoT 或数据中心数据进行处理、分类、分析，以确定可立即采取的措施、需要以及不需要保留并存储在云中的内容。

将网络数据从边缘传输到云端

将数据轻松快速地传输到 Azure，以实现进一步的计算或存档，或加快云迁移。完成后，将设备退还给 Microsoft。

边缘和远程站点计算

在远程位置运行应用程序以加快事务处理速度并解决带宽限制。在你与云的连接有限时，本地应用程序仍然可以工作。

我们看一个案例：

伦敦希思罗机场利用Azure Stack Edge 和Azure AI IoT 实现了一个防止非法贩卖野生动物的应用。这个应用的图像识别算法就跑在Azure Stack Edge上，识别结果也可以连接到云端，调用云端的一些业务逻辑实现报警。

关于图像识别算法和处理摄像头数据的模块，使用了另一个服务LVA边缘设备上的实时视频分析。

对这个案例感兴趣的话可以扫描下图中的二维码观看视频介绍。

我们分开看希思罗机场中的两大组成部分，第一部分是Azure Stack Edge：

Azure Stack Edge是硬件即服务的模块，在Azure Portal上选择相应的硬件，微软就会把硬件邮寄给你，简单配置之后就可以使用。

目前包含如下三类：

Pro

1U机架安装式设备，针对数据中心或分支机构内部的条件进行了优化。

可用选项：12个 NVIDIA T4 GPU 或 1 个 Intel FPGA

Pro R

加固型数据中心级电源，具有内置的NVIDIA T4 GPU，可收纳在便携箱中，以供在偏远地区使用。

可用选项：有/无不间断电源(UPS)

MiniR

加固型电池供电设备小到可以装进背包，专为恶劣环境和断网情况而设计。包括用于边缘处理的内置 IntelVPU。

接下来看第二部分，LVA，全称是Live Video Analytics，是一个边缘设备上的的模块，简单的理解，可以做几件事情，一是内置了RTSP视频流的捕获能力，二是调用外部AI算法的能力，本身也支持微软Custom Vision 容器的调用，三是IoT Hub的集成，可以将检测结果发国际快递云端，四是视频存储相关的能力，比如将检测到特定物品或人之后的关键视频存储到云端Azure Media Service或本地。

如果对LVA感兴趣，可以扫描下图的二维码，我们做了一个使用LVA进行指定停车位空余会立即发出通知的demo。

至此，我们演示了几个微软Azure IoT 边缘和 AI的好玩的案例，如果我们想自己动手做一下自己的基于微软AI 和 IOT的想法的验证，该如何开始呢？

Azure Percept是今年微软新推出的一个用于快速开始基于视觉和音频AI概念验证的套件。

主要包含三个部分，第一个是DK，带有摄像头和wifi 蓝牙等连接能力的硬件，第二个是Audio，是一个麦克风阵列，第三个是Studio，云端的设计平台。

值得推荐的是，这个套件内置了一些预训练的算法，比如人员检测，车辆检测，常规对象检测，产品质保期检测等等。

微软的边缘计算能力除了刚才提到的这个开发套件里的这些东西，还有：

1.异常检测2.计算机视觉3.人脸4.表单识别5.语言理解6.语音服务7.文本分析等，当然也会有越来越多能力会逐步扩展到边缘。

除了AI能力，还提供了一些与云端模型一致的计算相关的模块，比如：

1.Storage2.SQL Edge3.Stream Analytics4.Azure Functions等

这些架构允许我们开发一份代码同时运行在云端和边缘。

Azure Stack Edge 和MEC的结合只是Azure在5G时代的“前菜“，也只是Azure Edge Zone家族的一个部分也就是Azure Private Edge Zone，我们看下Azure Edge Zone其他几个部分：

Azure EdgeZone是微软 60多个区域之外的，更靠近用户的略“轻量”的数据中心，连接了微软全球广域网(全球最大的网络之一，连接超过60个区域，170个全球POP点，165,000英里的光纤和海底电缆)