5G很快就要投入应用，这将很大程度上解决视频传输的带宽问题。以上海为例，根据上海去年11月发布的《上海市推进新一代信息基础设施建设助力提升城市能级和核心竞争力三年行动计划（2018－2020年）》，上海将会在2020年底率先完成“双千兆宽带城市”建设，届时，移动网络用户感知速度可以达到500M／S，固定宽带网速达到千兆。一部无压缩的蓝光电影大约25G左右，用移动网络也就一分钟不到即可下载完成。视频作为信息传输介质的通讯阻碍已经可以基本排除。
AI技术的发展则可以为视频识别提供极大帮助。通过AI算法可以实现计算机自动识别视频中的海量信息，以计算机超过人类数万倍的速度去标识出视频中的可用信息，甚至做出人难以理解却准确的识别判断。AI技术已经在安防、金融、智能驾驶和视频广告投放等垂直领域中有了充分的应用，基于视频识别的部分需求得到了一定满足。尽管现有的技术还难以全面解析视频中的所有信息，但其发展前景使视频内容完全识别成为了可能。在未来，随着视频AI识别技术变得更快速、更精准、更低成本，视频内容的实时解析也并非难以做到，或许那时就能达到智能眼镜的时代。
至于视频互动技术，相较于技术研发，视频互动更为重要的是互动生态的建立。视频内容的生产、传播者和互联网服务提供商需要认可视频观看者的互联网需求，打开数据链路，实现互联网生态在视频层的对接。这需要的是有效的商务推广、龙头带动效应和不断的体验优化。
2、“视联网”发展的四个阶段
随着5G和AI技术的不断成熟与应用，我们设想了“视联网”发展的四个阶段：
首先是“婴儿期”，即5G和AI的初步应用，也是当下我们所处的阶段。这一阶段中，视频AI技术实现了对视频内容的初步解构，形成了包括内容、情景、事件等结构化数据。基于这些结构化数据，可以实现视频与用户的初步互动，满足用户的有限需求。AI场景广告就是一种初级应用形态，实现了场景购买需求与购买渠道的对接。这一时期的“视联网”功能是初级的、有限的，所有的参与者都是“视联网”的尝鲜者。
再次是“成长期”，即5G和AI的广泛应用。随着AI技术越来越强，视频中的信息已经可以做到全面解析，“视联网”能够带来的价值清晰可见。“视联网”的尝鲜者获得了足够的收益，大量跟风者开始出现。从视频中直接获取信息逐渐成为用户的基本行为习惯，如在视频中直接点击即可获取演员的姓名和属性，直接点击地标景点即可获取旅游信息等将成为视频的最基础功能。视频内的对象与信息成为了人与互联网交互的重要入口。