重庆电子信息技术年会总结报告

2B（ToB，To Business）是产品面向企业，主要是面向工作，一般达到简化流程、增加业绩的目的；2C（ToC，To Consumer）是产品面向个人用户，主要是面向生活，为了满足生活的方方面面，使得生活更加便利。

5G新基建使能数字经济 张平（院士）

5G新基础建设为数字经济的发展注入动力，数字经济规模持续高速增长。

工业互联网面临的技术难点：

1. 连接大规模，预计到2025年会有10亿个工业互联网连接。
2. 服务差异化，工业互联网需要支持多种使用场景和应用。
3. 资源碎片化，各种网络和资源呈现碎片化分布。
4. 威胁分散化，使用的设备增多，暴露出更多可攻击点。

基金委：2020年立项重大研究计划

未来工业互联网发展趋势

1. 基于网络的人机物制造全要素互联，促进生产设备高端化。
2. 基于网络的生产链全面流程化，促进生产过程高端化。
3. 基于网络的全产业链和全价值链重塑，促进产品供给高端化。

重大研究计划解读

2020年立项重大研究计划核心科学问题：未来工业互联网生产要素互联的时空关系演变及调控规律。

现有的RTN、TSN与5G移动通信等多个技术标准不适用于异构多标准的工业网络，要想实现全要素互联的结构化组织机理，需要解决工业互联网的全要素互联的可靠性问题和复杂结构度量与组织问题。

6G关键技术与架构展望 蔡立羽（诺基亚）

6G的网络范式：

1. 构建具有第六感的可信平台。
2. 实现超大的容量和精确的同步。
3. 连接数字-物理-生物世界。

Network AI 吴建军（华为）

5G到6G：从万物互联到智能普惠，6G不再仅是无线连接，海量类型终端产生原生数据。

工业互联网发展面临的网络问题 尹浩 （院士）

工业互联网作为全新工业生态、关键基础设施和新型应用模式正在全球范围内不断颠覆传统制造模式、生产组织方式和产业形态!

创新发展工业互联网:核心关键是打牢网络基础，实现生产链、产业链、价值链全要素的网络化安全可靠互联面临诸多问题。

5G+工业互联网应用前景广阔，充满挑战。重视相关领域基础理论与方法创新，助力工业互联网创新发展战略实施!

开启低空智联网新基建 打造数字经济新业态 樊邦奎 （院士）

发展低空智联网新基建的主要挑战

1. 低空经济顶层统筹明显不足。
2. 低空治理体系信息基础设施薄弱。

无人机对低空网路的需求

1. 无人机系统控制需求。
2. 空域管理改革需求。
3. 公共安全管理需求。
4. 企业与行业管理需求。
5. 通用航空产业发展需求。

面向智能制造的5G低时延高可靠技术与应用 王延松（航天新通）

ToB场景需要5G低时延高可靠特性，高实时控制数据要求网络具有低时延、低抖动、高可靠的确定性能力，5G的低时延高可靠技术可以带来新的工业应用：巡检机器人（低时延），远程AR协作（低抖动），自动化炼钢厂（低时延+低抖动），远程制动（低时延+无丢包）。

确定性低时延是未来网络的主要发展方向

典型应用对时延的要求

5G uRLLC：< 1 ms

工业智能制造：< 1 ms

车联网： < 2 ms

高性能DC（数码相机）： < 5 ms

网络特点

现有网络：曲线具有长尾效应，平均延时可以接受，降低延时意味着丢失分组，或者资源的过预约。

确定性网络：不会因为拥塞丢包，延时具有确定上限，没有长尾效应，分组在确定的时间到达确定的位置。

认为TSN可以实现低时延高可靠的工业网络。

脑启发的多媒体智能通信 陶晓明 （清华）

现有技术以计算复杂度换取通信带宽，未来需要融合媒体计算和通信，提升多媒体通信的服务能力。

脑启发的语义认知模型

传统方法是基于深度学习进行语义分割，当目标面积小于图像的0.12%时，难以感知并推断语义。使用语义认知理论分析，定义脑启发的语义认知理论边界，挖掘与高层内容判别密切相关的时、空、频特征。

传统图像的传输（MPEG，H.264）是对图像简单均匀分块，（H.265和H.266）采用非均匀块划分，遍历寻优，块划分所用时间占总体编码时间的80%以上，时间复杂度高。使用关注度预测模型，预测接受用户关注的块，进行图像编码，节省编码时间和通信带宽。

未来无线网络智能行业创新 卢建民 （华为）

智能制造产业升级是大国战略。

连接是智能制造的基础，但不是全部。

关键网络能力需求: . 上行大带宽、低时延、高可靠、高精定位。

5.5G/6G候选技术:灵活/全双工、频谱聚合、感知通信一体化

语义通信 张平 （院士）

语义基（seb）模型：一种完备的、高抽象的语义信息表达方法，语义基可以消除用户背景知识的差异，保留共性客观部分和可恢复的主观部分，对信息重新表达。

语义熵是基于语义基对信息的表达定义新的语义熵，语义熵包含客观部分和主观部分，语义信息由语义熵来进行度量。

语义通信在传统通信模型的基础上，引入语义编码和语义解码两个模块。

初步研究结果

图像压缩：语义图像编码的带宽需求约为传统H.264编码的\(\frac{1}{5}\)，但噪声的鲁棒性更高。

文本压缩：引入注意力机制的端到端语义编/解码模块。所提出的框架相比于传统的编解码方法在BLEU (词准确率)以及句子相似度上具有更好的性能，句子相似度在相同SNR下，提出的DSCNN在JSCC基础上提升约30%性能。

智简交互协议：利用先验信息持续学习，自主简化语义交互。语义通信进行中，智能体不断积累背景知识，持续将通信内容压缩，实现通信的智能简化。

语义通信的优势

语义通信网络在促进异构网络融合、多源数据协同处理、高效智能交互等方面具有独特的优势。可以应用于空-天-地-海一体化网络（解决大时空异构网络融合难题），工业互联网（解决多源数据协同处理难题），智能无人系统网络（避免通信协议的繁琐过程，机器间进行语义信息交互）。

语义通信中的问题

• 基于语义基的信息表征问题。

  多模态信息的语义建模与统一表达。

  语义信息如何量化？

• 基础理论问题。

  压缩极限及容量是什么？（语义通信仅增加了语义编码和语义译码，没有涉及到信道传输，信道容量应该仍然受限于香农定律。）

  背景知识如何表达和共享？

• 普适性问题。

  如何构建普适性的语义网络？

  如何建立普适性的语义网络理论分析模型？