自動駕駛和智慧城市裡 5G真是最後缺的那一環嗎？

2月26日，一年一度的世界移動通信大會（MWC2018）上，5G當仁不讓成為一大技術主角。步入華為、中興、愛立信、高通、英特爾等科技巨頭們的展台，「Leading 5G、Perfect 5G、Boost 4G to 5G」的標語似乎在宣告著5G商用時代的正式到來。

除5G之外，機器學習、人工智慧和雲計算被視為自動駕駛、智能汽車等領域的關鍵技術，但5G是否是那最後缺的那一環？5G對數據收集、存儲、處理和應用帶來的影響究竟如何？

網路是否越快就越好

5G的噱頭主要聚焦在網速的提高上，但這是物聯網和自動駕駛汽車等應用案例的關鍵嗎？

Sierra Wireless公司物聯網解決方案副總裁兼總經理Olivier Pauzet表示：「或許對於一些非常高帶寬的應用來說，現在大多數物聯網應用的關鍵限制因素是數據編排，而不是網路速度。「這限制了物聯網應用的增長，它使用低帶寬、低功耗的物聯網設備，並且在物聯網「深度邊緣」的處理能力有限。數據編排，而非更高的網路速度，能真正地幫助更好地處理這些邊緣設備上的數據，從這些設備提取數據，將此數據與雲中的其他數據源集成，並更新這些設備上的安全性和其他軟體「。

市場調研機構IHS發布的5G經濟報告預測，到2035年，5G將在全球創造12.3萬億美元經濟產出並創造2200萬個工作崗位。其中，中國將獲得950萬個工作崗位，位列全球首位，遠超美國（340萬個）。

可靠性至關重要——依靠雲計算實現自動駕駛的想法不靠譜

在很多方面，汽車正在成為「車輪上的大型計算機」，並配備了許多感測器，如激光雷達。激光雷達感測器發出一個光脈衝並測量反射回來以確定物體之間的距離，從而生成汽車周圍環境的精確3D地圖。

這些感測器以及其他必要的系統（如GPS）導致每台自動駕駛汽車每駕駛8小時就會產生和消耗大約4TB的數據。而如果反應緩慢，很可能會導致致命事故。

為了適應這麼大量的數據，今天許多公司正在將他們的計算轉移到雲中，但未來這種動作會越來越頻繁。

邊緣計算的目標是快速處理數據，而不會在廣域網上傳輸時產生延遲。

「大多數自動駕駛車輛都在開發這種技術，只需最少的連接互聯網即可運行，大多數時候他們在開車時向互聯網報告特定的統計數據，但演算法和地圖已經預先載入到車上，我不認為網路速度是一個巨大的限制因素，除非它變得更加可靠「。Mesosphere公司指出。

Scale公司首席執行官Alexandr Wang也贊同可靠性更為重要的觀點。Scale是Sensor Fusion Annotation API的製造商，用於激光雷達和雷達點雲數據，為自動駕駛汽車、無人駕駛飛機、地圖等提供動力。它還為世界上一些最先進的自動車公司提供培訓數據，如通用Cruise、Alphabet旗下Waymo、優步和本田。

「最大的問題是連接的可靠性，如果汽車依賴雲處理步驟運行，肯定會出現連接失敗並可能危及乘客安全的情況。

5G連接性在測試中必須證明其具有很高的可靠性，才能讓任何汽車製造商確信他們可以在任何真實的世界環境中都可以依靠它。它必須要變得更便宜、可靠和快速。

邊緣計算大展身手

雲計算似乎對自動駕駛汽車沒有意義，但邊緣計算卻能大展身手。Mesosphere公司的Knaup指出，在使邊緣計算用例可行的過程中面臨許多挑戰。他還特別指出了網路可靠性，並補充說，邊緣節點通常在異構平台上，這使事情變得複雜。

他補充說，管理處理大量非結構化數據的基礎設施以及收集敏感數據（例如從智能家庭收集的數據）的隱私保護要求也需要在邊緣計算前進時加以解決。

然而，Knaup也指出了這些機會：「隨著我們預計將看到邊緣設備的數量大幅增加，這種潛力可能會激增：從自動駕駛汽車到聯網智能體育館，甚至是醫療數據方面都將迎來重大變化。

邊緣計算帶來了更快的響應時間（由於延遲更低）、卸載計算任務的能力（反過來降低能耗）和更好的位置感知等優勢。

Sierra Wireless的Pauzet則表示，標準的LPWA技術是專為IoT設計的首個蜂窩數據網路技術，為創建物聯網應用的新用例提供了巨大的機會：

「LPWA使得真正具有突破性的智能城市、電網、農業和其他應用所需的低成本、低功耗設備的激增成為可能。挑戰在於將LPWA與數據編排、雲和AI技術相結合。

這樣，公司就可以最大限度地減少與開發，部署和運行這些應用程序相關的時間和成本，同時最大限度地提高這些應用程序提供的數據的洞察力。「

如果5G如今已經成功投入商用，真的能產生顛覆性影響嗎？

如果5G如今已經成功投入商用，一些公司會大量增加「智能」建築/高速公路/基礎設施（即所有門，電梯，固定裝置，跑道等）中感測器的數量，以實現持續和實時的健康和安全，如以及相關係統的使用情況監測。

「5G的可用性還將減少對有線回程網路的依賴，以將數據從邊緣計算/存儲設備傳輸回區域計算/存儲設備。

深度學習演算法的性能隨著可以學習的數據量的增加而增加，因而可以從設備中收集更多的數據，以提高深度學習應用的準確性。

據Garther對5G行業的生命周期分析，目前正處於快速上升期

另一方面，如果5G今天可用，Pauzet則不確定這一行業的數據移動，存儲和處理理念以及體系結構會發生什麼變化：

「儘管5G確實提供了在短距離內提供數千兆位速度和大容量的機會，開闢了許多新用例，但真正改變這些理念和架構的是智能數據編排。」

「當今行業面臨的主要挑戰是如何更高效和更有效地提取、處理、分析和更新物聯網數據——近期解決這一挑戰的方法是更好地協調數據，而不是在短距離內更快地傳輸數據。 」

來源：前瞻網

全球物聯網整理髮布

全球

物聯網觀察

全球視野，您的物聯網中央情報局！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！