2024年6月6日，中国迎来5G商用牌照发放5周年。5年来，中国累计建成5G基站超370万个，5G移动电话用户超8亿，万物互联惠及千行百业和社会生活。5G时代网络安全怎么保障？5G和AI“碰撞”会产生怎样的火花？5G下半场如何演进？6G将展现怎样的“万物智联”新图景？最近，我们邀请多位互联网、通信等领域的专家学者、创业精英，从不同视角深入探讨5G商用5年来取得的成果以及未来的发展趋势。

【5G商用这五年】

在中国联通（天津）工业互联网研究院CTO、天津市工业互联网研究院院长何凯看来，随着我国工业互联网进入规模化发展新阶段，5G与工业互联网的融合推动了新的应用模式的出现，赋能制造业走出新路，“5G+工业互联网”已进入规模化发展新阶段。在此过程中，AI等新技术也发挥了很大作用，推动产业智能化升级。

记者：如何看待工业互联网规模化应用发展成果？

何凯：数据显示，5G应用已融入97个国民经济大类中的74个，工业互联网覆盖全部41个工业大类，这意味着工业互联网正在与各行各业深度融合，推动产业升级和行业转型，并直接体现了工业互联网在国民经济中的广泛渗透和深度应用。具体表现为市场规模持续扩大、融合应用不断深化、技术体系不断完善三个方面。

记者：目前5G和工业互联网结合主要体现在哪些方面？

何凯：我国目前已累计建成5G基站374.8万个，5G技术在采矿、电力、医疗等重点行业实现了规模复制。5G网络的高速率、低延迟、广连接等特性为工业互联网的发展提供了强大的网络支持。

可以说，随着“5G+工业互联网”专网建设推进、工业感知网络覆盖扩大、海量物联接入能力提升等，我国“5G+工业互联网”已进入规模化发展新阶段。除此之外，5G与工业互联网的融合还推动了新的应用模式出现，如远程设备操控、设备协同作业、柔性生产制造等，为产业升级和行业转型提供了新的路径。

记者：5G技术如何支持工业互联网的发展？有哪些具体技术优势？

何凯：可以从高速数据传输、低延迟的通信、广泛连接能力、网络切片技术这四个方面去看这个问题。

首先，5G网络提供的数据传输速率远超4G，这使得工业互联网中的大量数据能够实时、高效地传输，对于需要实时监控、数据分析的生产环境来说，5G的这一优势至关重要。

其次，5G网络的低延迟特性保证了工业互联网中的设备可以迅速响应指令，几乎达到实时操作的效果，这点对需要精确同步和快速反应的工业应用来说非常关键。再者就是5G网络能够支持更多设备的同时连接，满足了工业互联网中大量设备互联的需求，这种广连接能力为物联网的广泛应用提供了可能。

最后，5G的网络切片技术还可以为不同的工业应用提供定制化的网络服务，确保每个应用都能得到最佳的网络性能。

记者：“5G+工业互联网”有哪些典型应用场景和重点行业实践？

何凯：以智能制造领域为例，在协同研发设计方面，利用5G及增强现实/虚拟现实（AR/VR）技术建设或升级企业研发实验系统，实时采集现场实验画面和实验数据，再通过5G网络同步传送到分布在不同地域的科研人员，实现跨地域在线协同操作完成实验流程，可加快研发进程。

此外，5G网络使得设备终端密集区域能够实现高速、低时延、高可靠性的实时数据采集与监控，极大程度地提高实时监控系统的可用性和安全性。像医疗领域的远程医疗、交通领域的智能交通管理和自动驾驶、新闻传播领域的实时新闻报道和虚拟新闻报道等都是当下比较典型的应用场景。

记者：AI对“5G+工业互联网”应用有哪些助力？

何凯：在工业4.0的大背景下，5G与AI技术的融合为工业互联网提供了强大的支持。AI技术可以通过对5G网络传输的大量数据进行实时分析，提取有价值的信息，帮助企业优化生产流程，提高生产效率。基于AI的智能决策系统可以自动调整生产参数，以适应市场需求的变化，实现生产的智能化管理。

针对智能监控与预测性维护，AI技术结合5G网络的高速数据传输和低延迟特性，可以实现对生产设备的远程监控和实时诊断，提前发现潜在问题，减少生产中断的风险。通俗来说，就是通过AI的预测性维护功能，企业可以基于设备的历史数据和实时运行状态，预测设备未来的故障趋势，提前进行维护和更换，提高设备的可靠性和使用寿命。

记者：在5G和AI融合发展的背景下，产业对人才的需求有哪些变化？高校和培训机构应如何调整培养计划以适应这一趋势？

何凯：当下，5G和AI的融合需要既懂通信技术又掌握人工智能技术的跨学科人才，企业也更倾向于招聘具备多学科知识背景，能够跨领域解决问题的人才。除此之外，需要人才能够熟练掌握最新技术，并能够将其应用于实际生产和业务中。比如在5G和AI融合中会产生大量数据，企业需要能够处理和分析这些数据的人才来提取有价值的信息，支持决策和优化生产。

为适应这一趋势，建议高校和培训机构可增设与5G和AI相关的跨学科课程，如“5G+AI融合技术”“工业互联网数据分析”等，以此培养学生的多学科知识背景，并加强数据分析和处理方面的课程设置，如大数据分析、数据挖掘等，提升学生的数据处理和分析能力。通过加强校企合作，建立实践教学基地，鼓励学生参与科研项目和竞赛等方式，让学生在实际项目中锻炼技术应用能力，提升创新能力。（记者 雷渺鑫）