5G的到来为整个行业带来巨大的商业想象空间。国内5G时间表已经明确,2018年5G组网试验,2019年预商用,2020年正式商用。那么,5G到底是什么技术,它如何提升我们的业务体验呢?
首先,我们先以用户在手机上观看视频为例,详细了解一下移动网络是如何工作的:用户在手机上打开腾讯视频,点开一部电影后,电影的流媒体数据从互联网中腾讯视频的服务器进入到移动核心网络,再经过基站,最后通过4G无线信号传输到用户的手机中。如下图所示:
以目前的网络建设条件来说,我们完全可以在手机上流畅的观看高清视频,但是,设想一下,如果未来我们要在手机上观看VR/AR视频内容,受制于网络带宽等因素,现有的网络将无法满足需求。随着5G以及云计算技术的发展,以 VR/AR视频为代表的5G产业链将再次迎来巨大的机遇。
VR/AR视频对带宽、存储要求极高
VR视频对网络带宽有极高的要求,基础的VR体验都需要8Mbps以上的带宽传输速率,那在网络的每一段是否可以满足VR业务的需求?VR视频的体积也会有十倍百倍的增加,在网络存储上是否又能满足呢?
a.手机--基站传输:4G基站一个基站下行总带宽不超过100M,在VR业务场景下,也就只能提供10个用户同时观看基础体验的VR视频。5G在无线频谱利用技术上的提升,能将一个基站的下行带宽提升至20Gbps,可以同时为2000个用户提供基础体验VR服务或同时为1000个用户提供良好体验的VR服务。
b.基站—核心网—互联网传输:运营商在5G下,会基于SDN技术重新建设核心网,以适应业务场景。
c.互联网内传输和存储:腾讯云CDN经过10年多的发展,已经有了成熟的内容分发机制和网络基础建设。基于国内最全的28线BGP机房以及腾讯自有的多地CAP平台,保障各个运营商用户均能达到40Mbps的下载带宽,完全胜任未来5G大带宽分发场景。而腾讯云的存储规模早在2015年就超过了EB级,对于VR视频存储完全不是问题。
借助5G/MEC,全面满足近乎苛刻的时延要求
VR视频的另一个极高的要求就是时延,在直播场景中,用户每一次转头,需要重新生成整个画面,刷新的时延必须小于20ms,这比竞技类游戏的时延要求都要低。而在现有的网络结构中,主播制作VR视频并推送到观众端,数据需要先上行通过基站、核心网,进入到互联网中的VR直播服务器,再下行重新通过核心网、基站到达观众端,虽然5G基站和手机终端间的无线传输能将时延降低到4ms以内,但整个链路过长不能满足20ms的低延时需求。
运营商为了在5G下满足低时延业务需求,开始广泛筹备和试点MEC(Multi-access Edge Computing)边缘云业务生态。基于MEC,我们可以重新调整业务的网络结构,以满足低时延的需求。在MEC上部署VR直播和CDN服务,就近为无线终端用户提供更快速的服务。主播制作VR视频,数据上行通过基站后直接进入MEC,经过处理可马上再通过基站传输给观众,同时数据也进入CDN体系内,在CDN边缘节点之间同步数据,快速推送给其他基站下的观众。
腾讯云的CDN网络架构也随着运营商5G的推进,演进出了新型的结构,如下所示:
原有CDN架构在边缘的地区节点之后,再扩展了一层MEC节点,更贴近用户。基于5G场景下的计算和内容,可以进一步下沉到MEC节点。不仅仅是VR视频类业务,未来的车联网、云游戏、物联网等业务场景,均可以将计算和内容下沉到MEC节点。
不难看出,在5G/MEC的发展下,会有更多新兴业务涌现,给我们的世界带来新的活力。腾讯云通过不断的积累和超前布局,助力5G产业链爆发。
好文章,需要你的鼓励
施耐德电气以“新质服务+产业向‘新’行”为主题,第六次参会,展示全新升级的“新质服务体系”,围绕创新驱动、生态协同和行业赋能三大核心领域,以全新升级的“新质服务体系”,助力中国产业向高端化、智能化、绿色化迈进。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
甲骨文正在成为大规模基础设施供应商的可靠选择。该公司通过AI技术推动应用开发,构建GenAI模型并将智能代理集成到应用套件中。CEO萨弗拉·卡茨透露,公司剩余履约义务达4553亿美元,同比增长4.6倍,并预测OCI收入将从2026财年的180亿美元增长至2030财年的1440亿美元。甲骨文正积极布局AI推理市场,凭借其作为全球最大企业私有数据托管方的优势地位,有望在云计算领域实现重大突破。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。