《科创板日报》8月3日讯（记者 黄心怡）5G商用已经4年有余，如何推动5G行业应用规模复制，实现商业闭环，是业界关注的焦点。
近日，《科创板日报》记者实地走访华为苏州研究所的“5G+XtoB联合创新实验室”。该实验室在5G控制、物联视觉检测、定位等方向进行探索，通过与伙伴一起孵化解决方案，形成标准件，促进5G应用规模复制。
目前，实验室已吸纳30多家伙伴入驻合作，其中包括信通院、北京科技大学、运营商等，已发布十多个5G商用标准件。
(资料图片仅供参考)
谈及5G规模化落地的挑战，华为5GtoB解决方案部部长王永德表示，5G技术仍待进一步演进。“比如，5G在上行大带宽、低时延、定位精度方面，目前在高精尖的制造行业还满足不了要求。同时，如何更好地规模复制解决方案，加强产业供给和生态合作，也非常关键。”
▍5G入工厂、下矿井
“5G+XtoB联合创新实验室”是由华为与中国信通院联合筹划，于2022年10月建成，占地面积约600平米，重点探索十大业务类别的场景，包括5G生产控制、5G物联、5G视觉、5G巡检、5G局域专网等。
《科创板日报》记者现场看到，机器人正进行着奖章的雕刻。工作人员介绍，从仓储取货、激光雕刻、视觉质量检测、产品组装，到AGV运送入库，整个产线的控制信令都是由5G网络来收发，实现全流程柔性产线控制。
据了解，这套5G柔性产线技术已在美的微清、今天国际、无锡施耐德、上海宝钢、青岛海尔等工厂进行应用。
“下一个版本，我们希望把整个网络的时延能做到10毫秒以内。这样，整个生产线的运转的速度会更快。像长城汽车已经测试5.5G低时延的柔性产线技术，从设备发出指令到设备端的时延缩短到4毫秒。”
除柔性生产，5G结合边缘AI的工业质检也在逐步落地。现场工作人员以纺织厂为例：“传统用肉眼去检测纺织布料的质量，误检率很高，可能会达到30%。而通过机器视觉结合AI推理，检出率可以达到90%以上。”
除在纺织厂，AI质检也用于钢铁表面的质量检测。“我们在钢铁厂布设基站，在产线上部署接收模块，就可以很简单搭建网络，来帮助钢铁厂进行质量检测。相比人工检测50-60%的正确率，AI检出率可达到90%以上，中大型缺陷全部能检测出来。”
在5G物联方面，华为正在矿山、码头、水泥钢铁等行业，对企业生产设备进行智能联接和管理，基于鸿蒙生态来实现不同厂家传感器的数据统一接入和分析，数据采集和设备预测维护。
“传统制造业的工厂，比如矿山、冶金冶炼等，大量设备都是7×24小时运转，如果一旦出问题就会影响产能。”相关人员指出。
以矿山为例，煤矿采煤所使用的皮带机可能出现开裂等故障，而借助数据采集设备，就可以进行预测性维护。比如，用摄像头来监测皮带的质量监测，并通过各种无线传感器，包括检测震动、温度、转速、湿度等的传感器，部署在关键的系统上，把所有的数据采集回来，对故障进行提前预判。
《科创板日报》记者了解到，在矿井下使用的数据采集器基于鸿蒙生态，可以对不同厂家的设备进行协议转换，利用5G一张网、一个平台来管理生产区的所有互联数据。
▍鼎桥通信、亮风台等合作伙伴入驻
华为5GtoB解决方案部部长王永德向《科创板日报》记者介绍，实验室的定位是联合创新，对新技术、新场景进行验证，孵化方案并形成标准件，促进5G应用规模复制。目前已吸纳30家伙伴入驻合作。《科创板日报》在现场看到，鼎桥通信、亮风台、视比特机器人、宏电等为实验室的战略合作伙伴。
迄今，实验室已联合伙伴发布十多个5G商用标准件，涉及矿山、港口、钢铁等领域。王永德表示，要解决5G to B大规模复制的挑战，标准化是关键。
“5GtoB在各个行业中应用，涉及5G和计算、存储、云、WIFI等多个技术协同，且各行业应用场景也不同，上规模难度大。所以5G要真正在行业的落地，需要标准化。”
同时，相关技术也有待进一步演进。“比如，5G在上行大带宽、低时延、定位精度上，还需要向前研究，目前在高精尖的制造行业依然满足不了要求。”
对于5G与AI的融合，王永德认为，5G可以提供大带宽和低时延能力，从而推动人工智能在更多行业的应用。“在AI时代，意味着有大模型和大数据推理，主要是提取知识并快速应用。这是在人工智能时代所被期望的，最重要的就是数据获取和数据管理，因为大数据意味着数据智能。5G有助于解决传输需求，它是一个传输通道。在复杂场景下，可以访问可靠有效的数据，也意味着可以使用人工智能来实现不同的场景。”
“今年是5G承上启下的关键一年。”王永德强调，后续华为与信通院、高校、运营商、企业共同推动生态繁荣。而创新实验室将作为与多家合作伙伴的定期交流的“罗马广场”。
在与高校的合作方面，《科创板日报》记者获悉，华为已与教育部签署了一些合作协议。
“公司的技术和平台包括在大学课程或学士学位学生课程中。在研究生教育方面，校方通常与华为主要在两个场景合作：第一基于Harmony OS开发硬件；第二，基于华为提供的模型开发行业细分的L2模型。此外也会在实验室中开发解决方案，根据一些真实的应用场景验证解决方案。”
