总结一下，在本文中，我们可以了解到5G的关键技术。
1）其中单基站的峰值速率要达到20Gbps，频谱效率要达到4G的3～5倍，这是关于eMBB超宽带的指标，使用的主要技术包括LDPC／Polar码等新的编码技术提升容量，使用毫米波拓展更多频谱，使用波束赋形带来空分多址增益，使用NOMA技术实现PDMA功率域的增益，使用Massive MIMO技术来获得更大的容量，毫米波让波长更短，天线更短，在手机上可以安置的天线数更多，基站侧可支持64T64R共128根的天线阵列。
2）时延达到1毫秒，这是关于uRLLC的场景，主要是新的空口标准5GNR中定义了更灵活的帧结构，更灵活的子载波间隔配置，最大的子载波间隔240KHz对应时隙长0.0625ms，这样超低时延应用称为可能。通过新的多载波技术解决目前CP-OFDM中存在的保护间隔等资源浪费，降低时延增大利用率。除此之外，还有网络切片技术，让网络变得更加弹性，可以更好的支持超低时延的应用，建立一条端到端的高速功率，网络切片技术主要是核心网的SDN和NFV的应用。
3）连接密度每平方公里达到100万个，这是关于mMTC的场景，目前标准主要还是基于eMTC和NB-IoT进行演进，两项标准各有优缺点，对数据量、移动性、时延有一定的要求的场景eMTC更合适，具有静止、数据量很小、时延要求不高等特点，但对工作时长、设备成本、网络覆盖等有较严格要求的场景NB-IoT更合适，目前国内主要覆盖的是NB-IoT。这里的连接量其实是一个相对弹性或理想的值，因为连接量的提升主要是以终端通过PSM或eDRX技术实现休眠所带来的，未来更多的并发能力，更小的网络信令消耗、更多的突发数据包等场景都需要被考虑到，这部分的演进仍然有着较长的路要走。
今天的AI非常繁荣火爆，更多的是集中在图像识别领域，不可否认CNN和深度神经网络在这一领域带来的巨大变革，但是AI不等于DNN，不等于图像识别，更不等于人脸识别，要达到更智能的世界还需要AI技术在更多方面取得突破。
AI在图像领域取得突破相当于智能世界的眼睛正在变得更加明亮，原来计算机无法理解的图像，正在慢慢的变得结构化、可理解，图像识别、图像跟踪、图像分割等都让前端变得更加智能了。语音识别取得的进步相当于智能世界的耳朵变得能听见且能听懂了。各种传感技术的进步会逐步接近人的触觉、嗅觉等等对物理世界的感知。最终汇聚到大脑完成智能的决策、指令的上传下达，而5G网络正在逐渐成为连接智能世界各个部分的神经网络。未来值得期待，也期望咱们阿里的城市大脑能成为未来智能世界的重要组成部分。
5G的eMBB场景肯定会更早的发展起来，因为这一块是相对需求明确，用户感知度高的。5G的另外两个场景估计需要更多的与场景结合，更多的是产业的应用，运营商面向B端的应用，也是目前运营商比较积极参与的。
啰嗦了这么多，其实也想听听大家怎么想的，怎么看待5G的，欢迎留言区拍砖探讨~。
双12来袭！500元淘宝红包、iPhone11等你拿。
https://www.aliyun.com/1212/2019/home?utm_content=g_1000092611
作者：梓烁
本文为云栖社区原创内容，未经允许不得转载。
