隨著各個國家都在加大對 5G 的研發投入，以及陸續商用測試，5G 儼然已經成為了 2019 年最重要的技術風口。5G 的應用場景有哪些？通信廠商，互聯網企業如何在 5G 時代改變？中國在 5G 時代，應該做些什么？

騰訊科技近日發起「5G 講壇」系列策劃，邀請行業專家，企業高管，投資人士等眾多知名人物，詳細解讀關于 5G 的各種疑問。

劃重點：

5G 對自動駕駛的作用在于，通過高速 5G 通信鏈路，建立車端與場端及其他主體的聯系，彌補車端感知、定位等方面的不足。

真正的自動駕駛，還需要其他的一些設施協同實現。未來，5G 對于自動駕駛核心作用是通信鏈路的載體，需要車、路、端的協同才能發揮更多的作用。

今年自動駕駛產業走向了「低谷期」，部分初創公司的維持會比較困難，最終會是「剩者為王」。挖掘數據價值、提升數據利用效率是構建自動駕駛核心競爭力的重要方向，而做一個模型或算法很難構建出真正的競爭力。

如今，5G 的到來正在給汽車行業將帶來一場升級變革，尤其是自動駕駛，通過 5G 低延遲、高帶寬的特性，能夠為自動駕駛汽車提供更豐富的信息，讓自動駕駛汽車在緊急時刻做出精準決策，保證使用和用戶的安全性。5G 的作用可見一斑，但通過 5G，自動駕駛就能夠快速落地實現嗎？自動駕駛真正落地還需要多遠？

騰訊自動駕駛業務中心總經理蘇奎峰對此表示：「其實 5G 不像社會大眾所期待的那樣，認為能夠真正解決自動駕駛的產業痛點，自動駕駛還有很多需要面對的難題。」蘇奎峰認為，對于整個自動駕駛的生態來說，在 5G 的加持后會加速產業的成熟。但自動駕駛的落地和實現，所涉及到的既有政策問題、技術問題，還有運營等多方面的問題，這需要政府、互聯網公司、車企，三方共同合作才能完成。

談到 5G 在自動駕駛汽車方面的應用，蘇奎峰認為主要是體現在「用戶智能」和「駕駛智能」兩方面。所謂用戶智能，是 5G 能夠為用戶從娛樂、消費等方面與車的結合，為用戶帶來價值；駕駛智能方面，主要在感知層（感知和感知信息共享）和計算層面來體現。

對于今年國內自動駕駛的發展，蘇奎峰表示：「自動駕駛產業逐步回歸了理性甚至是走向了低谷期」。在這個階段，部分的初創公司能夠持續活下去會比較困難，真正具有核心競爭力的公司需要有幾大關鍵能力：能夠把數據利用效率提高、能夠把數據價值挖掘得更高和相應的工作積累地更深。

以下是騰訊科技對話蘇奎峰的具體內容：

騰訊科技：您如何理解 5G 對于自動駕駛的真正價值？5G 的「高速率」、「低延時」的特性，是否可以解決自動駕駛技術的痛點問題？5G 真正的價值在其中可以發揮多少？

蘇奎峰：5G 本質上是一個通信手段，會解決自動駕駛遇到的一些問題，但還不像社會大眾所期待的認為「5G 能夠徹底解決自動駕駛的產業痛點」，自動駕駛還有很多需要面對的難題。當然，如果沒有這樣一個低延時，高帶寬的鏈路，用其他的技術彌補是不可能實現的，5G 是有作用的，只是這個作用沒有大眾期待得那么高。

5G 對自動駕駛的作用在于，汽車通過 5G 這個高速的通信鏈路，彌補車端的感知能力和算力，以及通訊信息交互等方面的不足。比如 V2I（車聯網）、V2V（車與車之間的通信），V2X（車與所有物體的連接），都可以把整個信息傳遞或共享到車上。

可以說，這個技術的核心作用不在于 5G，而是 5G 提供了一個低延時、高帶寬的通信鏈路，提供一個靈活的網絡結構和邊緣計算能力。但要加速自動駕駛，還是需要其他的一些設施來協同，需要車、路、端的協同。

騰訊科技：從產業層面來看的話，5G 的應用整體會給產業帶來哪些改變？首先會有哪些具體落地的場景會可以被應用到？

蘇奎峰：對汽車產業的車端而言，我認為會影響兩個方面：一個是「用戶智能」，一個是「駕駛智能」。

所謂用戶智能，就是 5G 能夠為用戶在娛樂、消費等方面與車結合，為用戶帶來價值。比如通過 5G 通信，相關的娛樂系統能進一步升級，用戶可以體驗到 VR，或者依賴高帶寬的高清視頻等內容可以達到車端。

駕駛智能方面，主要體現在感知層（感知和感知信息共享）和計算層，可以實時的將道路、環境及他車的狀態通過 V2X、V2I、V2V 通路實時共享，提高車端的安全性。如 V2V 方面，通過 5G 可以實現車與車之間的信息實時共享，讓汽車更好的感知到周圍路況，通過感知的環境信息傳到自動駕駛系統。舉個例子，當自動駕駛車在大的公交車后面行駛時，如果想變道超車，是無法知道前方狀況的。但有了 V2V 以后，可以通過前車的感知設備，通過 5G 的鏈路傳到后方自動駕駛車上，實現了「透視」。

從計算層面來看，有了 5G，如果設備完善的話，會有邊緣計算節點。這樣很多計算的負載的需求可以轉移到路兩側的邊緣計算節點，從而有效的降低了車端對算力的要求。這樣好處有兩點：一是整體算力更強，提升自動駕駛的感知能力。另外一方面，可以降低功耗。因為自動駕駛對算力要求比較高，利用邊緣計算節點可降低油耗，尤其是電車能夠提升汽車的續航里程。

騰訊科技：您認為 5G 對于細分的一些車載技術，比如說 SLAM（定位與地圖構建），或者是 V2X 數字化車載等技術會有怎么樣的影響？

蘇奎峰：SLAM 是自動駕駛和機器人領域非常核心的技術，也是很有技術挑戰的，其核心作用就是建圖和定位，尤其是在復雜城市環境中對 SLAM 技術依賴很高，涉及到 5G，它主要體現在兩點：

首先，5G 是定向性較強的通信技術，它的頻帶比較寬，通信頻率較高，定向性比較強，基站也很密。基于這些特點，它能夠輔助 SLAM 的定位，通過一些相關資料的了解，它能夠做到亞米級。也就是說，在沒有衛星的情況下，通過 5G 的基站也可以提供一種可靠地全局定位方法，這無疑對定位技術是一個非常好的補充，優勢是在室內場景其作用會更明顯。

另外，通過 5G 高帶寬的通信鏈路，未來的某些基站物理坐標都可以很準確。在這種情況下，在建圖和定位的時候，兩側會有非常多有帶自己絕對位置的基站，利用這些路標信息，建圖工作會更加精準，對高端復雜算法依賴也會降低。

總的來說，5G 對 SLAM 大規模建圖優化，或者說將來在定位方面，有利于降低計算復雜度，提升整個系統的定位精度。

對于 GPS 導航系統，在 5G 的地面基站增多后，會變成類似于全局定位的小型基站系統。這對于一些受遮擋、有城市高樓的定位彌補作用很強。具體來講，就是當有 5G 基站后，哪怕在高樓林立，甚至是室內定位里，5G 手機都能夠達到這種亞米級別，這個精度會非常驚人。現在在很多室內的導航定位還是缺少有效的定位手段，依靠一些 Wi-Fi 來實現定位精度不容易保障，也滿足不了用戶的大部分需求。

騰訊科技：您認為 5G 這項技術對于自動駕駛產業未來的影響會包括哪些層面？比如說在技術的細節上，它對自動駕駛生態會不會有更多可能性？

蘇奎峰：對 5G 來說，首先它本身除了通信鏈路以外，它構建這樣一個快速的渠道，把計算連接起來，依賴于路邊的邊緣節點，可以減輕車端的計算需求。

舉個例子，其他的移動設備的能力比車還要弱，汽車在「空閑」時，其他的設備也可借助于車端的計算能力來幫助用戶來做一些事情。比如實時翻譯功能，現在我們使用都是翻譯筆，翻譯筆里面有專門的 GPU，需要硬件加速。

但未來的實時翻譯可能就不需要這樣的運算方式，比如手機里裝一個軟件，真正的計算是可以在一些車端實現，或者場端實現。由于基站比較密，低延時的切換也比較快，這樣我們可以很快速在這種移動過程當中，通過雙向的計算形式，用手機來做這種翻譯。

而對于云端來說，延時較低的情況下，可以大規模的將運算直接傳到云端去計算。比如剛提到的 SLAM，可以在建圖過程當中收集大量的原始數據，核心的建圖優化算法放在云端做，把結果實時反饋車端。

從技術角度來說，5G 對光纖的要求也很高，因為每個通信鏈路的數據都很大，光纖相當于現在的骨干網絡，骨干網絡的帶寬也一定要足夠寬，才能可以來滿足時間方面的要求。否則節點很多，但細的骨干網一定會造成堵塞。所以，無縫連接以外還有一些其他的基礎設施都要跟上，才能滿足整個的需求。

對整個自動駕駛的生態來說，在 5G 的加持以后發展會更快，有一個更大的維度彌補技術短板，在核心技術的突破后，會加速產業的成熟，也會逐步產生更多的相關消費行為和內容需求，使整個生態形成正反饋。

騰訊科技：業界認為有了 5G 這項技術，能夠推進自動駕駛產業有突破性的提升，但是實際上，我們看到近期，有很多自動駕駛公司都遇到了不少的問題，比如被收購、甚至倒閉等等。您怎么看待目前國內自動駕駛產業發展情況呢？

蘇奎峰：2019 年對自動駕駛來說，可能已經趨近于一個低谷期，整體融資較為困難。雖然自動駕駛有 5G，在 AI 技術上有很多進步，但是真正的 L3，甚至是 L4 以上的，離用戶期望的自動駕駛還有一定的距離，還需要有很長時間和耐心把這件事情一步步做好。

在這種背景情況下，很多初創企業，很難得到一些商業化落地的想法，維持它長遠的發展。所以自動駕駛最終活下來，是「剩者為王」，不一定是短期內有技術上領先多少的公司就一定會勝出。最核心的問題還是做的自動駕駛怎么才能結合行業，能夠使自己的團隊、自己的公司能夠有持續的造血能力，然后持續技術和產品迭代。

技術方面來說，這個成敗其實考驗的是一個公司在系統資源方面的整合能力，包括底層系統工程化能力等等。另外，其中的核心技術是對數據的利用效率，所以無論是做決策、還是感知層，最終公司的技術要體現在數據的利用效率上。

所以，能夠把數據利用效率提高、把數據價值挖掘得更高、相應的工作積累更深等這些要素的公司才是有核心競爭力的公司，而不是短期內做一個模型，或者做一個小的算法來獲得競爭力。

騰訊科技：能介紹下近期騰訊自動駕駛實驗室的戰略布局嗎？在 5G 方面會有哪些計劃？

蘇奎峰：目前我們的核心主要是幫助車廠把自動駕駛技術做好，幫助自動駕駛落地，所以我們在仿真、在云、高精度地圖等工具鏈和數據測投入很多資源，也致力于成為值得信賴的軟件與服務提供者，為產業發展提供助力。

從戰略路線上講，我們平行推進 L3 和 L4 級別的自動駕駛。L3 是產業落地，跟車廠緊密合作，L4 當前主要在做技術開發和測試，讓自動駕駛汽車能夠在一些復雜的城市道路里面也可以行駛，提升自動駕駛的整體技術水平，并將相應技術降維應用到 L3 或工具鏈的能力提升上。

L4 方面，我們期待能夠同更多的車廠合作，一起聯合測試，為 L4 的落地運營提供支持。關鍵是我們也希望能夠通過 L4 這種技術的積累，把仿真、云等方面的能力進一步提高，把騰訊的服務做得更有競爭力，能夠為客戶帶來更大的價值。

5G 方面的應用布局來說，我們內部有專門開展 5G 研究的「未來網絡實驗室」，在邊緣計算、開源和標準應用等方面都有較高影響力的成果，也一起在開展自動駕駛與 5G 技術的應用研究，在車輛在環、模擬仿真等方面已經取得了非常有價值的成果，通過 5G 鏈路把仿真虛擬的環境信息打到車端，讓自動駕駛汽車能夠在馬路上模擬整個系統運營。

至于車路協同的應用，因為主要依賴車端感知的終端以及很多其他的一些基礎設施。其中涉及的不光是 5G，還有一些很多功能節點，需要系統工程的配合。目前這些技術發展還沒有到成熟階段，所以它也會一定程度上會影響整個落地的進程。當然，隨著國際或國內更多 5G 示范城市的推出，相關示范區的落地會更快一些，我們都會積極參與，加速 5G 和自動駕駛的融合。

騰訊科技：剛才我們提到了自動駕駛級別，您認為 L3 級別的自動駕駛是一個分水嶺嗎？從技術來看，您是怎么判定的？

蘇奎峰：L2 到 L3 是自動駕駛的一個分水嶺，最核心的問題在于責任的認定問題。比如說 L2，或者是 L2+ 級別的自動駕駛，人在駕駛中依然承擔主要角色，如果車出了問題或者發生事故，是人的責任，車廠都是可以規避風險的。

對于 L3 及 L3 以上級別的自動駕駛，核心的問題就在于汽自動駕駛能力允許駕駛員釋放雙眼和雙手，當汽車遇到危險之前，自動駕駛會有預警提示，如果汽車一旦出事故，車會負責任，而不是人負責。因此，這樣對于汽車方面的安全要求會非常高。所以無論是在安全方面還是在技術層面，L2 和 L3 差別較大。

并且，L3 對技術的要求會有更高的要求，比如以轉向系統為例，如果轉向系統有一部分失靈了，需要有雙備份的冗余的轉向系統和剎車系統，這些關鍵的系統都是要有冗余的。L4 主要面對的 Robot taxi 的移動出行，它的商業化或者是產業周期可能會更遠一些。

對于初創公司來做 Robot taxi 這件事情，我還是有些保留意見。首先是它要求的技術壁壘很高，另外一個問題是成本方面，汽車為了保證安全，需要規模化測試，這個規模化測試需要的資本也非常高，對初創公司融資能力挑戰不小。

理想中的 L4 及 L5 的自動駕駛的落地和實現，需要政府、互聯網公司、車企，三方共同合作才能完成，因為它既有政策問題，也有技術問題，還有運營問題，都要融合在一起考慮的話，三方合作可能會更容易去推廣。

自動駕駛的落地需要有一個過程。這個過程可能需要相關測試和運營混合在一起同步推進，比如出行公司運營一些測試的自動駕駛汽車，運營系統實現有人駕駛與無人駕駛的聯合調度。在早期階段，自動駕駛汽車上會有測試員、有司機，這些都也可以混編到運營車隊里。一定程度上還節約了成本，后續會逐漸從特定區域的運營、和有駕駛員或者測試人員的汽車混編在一起運營，然后最后到徹底無人的運營，這需要一個循序漸進的過程。