5G通信技术对自动驾驶的作用

随着各个国家都在加大对 5G 的研发投入，以及陆续商用测试，5G 俨然已经成为了 2019 年最重要的技术风口。5G 的应用场景有哪些？通信厂商，互联网企业如何在 5G 时代改变？中国在 5G 时代，应该做些什么？

腾讯科技近日发起「5G 讲坛」系列策划，邀请行业专家，企业高管，投资人士等众多知名人物，详细解读关于 5G 的各种疑问。

划重点：

5G 对自动驾驶的作用在于，通过高速 5G 通信链路，建立车端与场端及其他主体的联系，弥补车端感知、定位等方面的不足。

真正的自动驾驶，还需要其他的一些设施协同实现。未来，5G 对于自动驾驶核心作用是通信链路的载体，需要车、路、端的协同才能发挥更多的作用。

今年自动驾驶产业走向了「低谷期」，部分初创公司的维持会比较困难，最终会是「剩者为王」。挖掘数据价值、提升数据利用效率是构建自动驾驶核心竞争力的重要方向，而做一个模型或算法很难构建出真正的竞争力。

如今，5G 的到来正在给汽车行业将带来一场升级变革，尤其是自动驾驶，通过 5G 低延迟、高带宽的特性，能够为自动驾驶汽车提供更丰富的信息，让自动驾驶汽车在紧急时刻做出精准决策，保证使用和用户的安全性。5G 的作用可见一斑，但通过 5G，自动驾驶就能够快速落地实现吗？自动驾驶真正落地还需要多远？

腾讯自动驾驶业务中心总经理苏奎峰对此表示：「其实 5G 不像社会大众所期待的那样，认为能够真正解决自动驾驶的产业痛点，自动驾驶还有很多需要面对的难题。」苏奎峰认为，对于整个自动驾驶的生态来说，在 5G 的加持后会加速产业的成熟。但自动驾驶的落地和实现，所涉及到的既有政策问题、技术问题，还有运营等多方面的问题，这需要政府、互联网公司、车企，三方共同合作才能完成。

谈到 5G 在自动驾驶汽车方面的应用，苏奎峰认为主要是体现在「用户智能」和「驾驶智能」两方面。所谓用户智能，是 5G 能够为用户从娱乐、消费等方面与车的结合，为用户带来价值；驾驶智能方面，主要在感知层（感知和感知信息共享）和计算层面来体现。

对于今年国内自动驾驶的发展，苏奎峰表示：「自动驾驶产业逐步回归了理性甚至是走向了低谷期」。在这个阶段，部分的初创公司能够持续活下去会比较困难，真正具有核心竞争力的公司需要有几大关键能力：能够把数据利用效率提高、能够把数据价值挖掘得更高和相应的工作积累地更深。

以下是腾讯科技对话苏奎峰的具体内容：

腾讯科技：您如何理解 5G 对于自动驾驶的真正价值？5G 的「高速率」、「低延时」的特性，是否可以解决自动驾驶技术的痛点问题？5G 真正的价值在其中可以发挥多少？

苏奎峰：5G 本质上是一个通信手段，会解决自动驾驶遇到的一些问题，但还不像社会大众所期待的认为「5G 能够彻底解决自动驾驶的产业痛点」，自动驾驶还有很多需要面对的难题。当然，如果没有这样一个低延时，高带宽的链路，用其他的技术弥补是不可能实现的，5G 是有作用的，只是这个作用没有大众期待得那么高。

5G 对自动驾驶的作用在于，汽车通过 5G 这个高速的通信链路，弥补车端的感知能力和算力，以及通讯信息交互等方面的不足。比如 V2I（车联网）、V2V（车与车之间的通信），V2X（车与所有物体的连接），都可以把整个信息传递或共享到车上。

可以说，这个技术的核心作用不在于 5G，而是 5G 提供了一个低延时、高带宽的通信链路，提供一个灵活的网络结构和边缘计算能力。但要加速自动驾驶，还是需要其他的一些设施来协同，需要车、路、端的协同。

腾讯科技：从产业层面来看的话，5G 的应用整体会给产业带来哪些改变？首先会有哪些具体落地的场景会可以被应用到？

苏奎峰：对汽车产业的车端而言，我认为会影响两个方面：一个是「用户智能」，一个是「驾驶智能」。

所谓用户智能，就是 5G 能够为用户在娱乐、消费等方面与车结合，为用户带来价值。比如通过 5G 通信，相关的娱乐系统能进一步升级，用户可以体验到 VR，或者依赖高带宽的高清视频等内容可以达到车端。

驾驶智能方面，主要体现在感知层（感知和感知信息共享）和计算层，可以实时的将道路、环境及他车的状态通过 V2X、V2I、V2V 通路实时共享，提高车端的安全性。如 V2V 方面，通过 5G 可以实现车与车之间的信息实时共享，让汽车更好的感知到周围路况，通过感知的环境信息传到自动驾驶系统。举个例子，当自动驾驶车在大的公交车后面行驶时，如果想变道超车，是无法知道前方状况的。但有了 V2V 以后，可以通过前车的感知设备，通过 5G 的链路传到后方自动驾驶车上，实现了「透视」。

从计算层面来看，有了 5G，如果设备完善的话，会有边缘计算节点。这样很多计算的负载的需求可以转移到路两侧的边缘计算节点，从而有效的降低了车端对算力的要求。这样好处有两点：一是整体算力更强，提升自动驾驶的感知能力。另外一方面，可以降低功耗。因为自动驾驶对算力要求比较高，利用边缘计算节点可降低油耗，尤其是电车能够提升汽车的续航里程。

腾讯科技：您认为 5G 对于细分的一些车载技术，比如说 SLAM（定位与地图构建），或者是 V2X 数字化车载等技术会有怎么样的影响？

苏奎峰：SLAM 是自动驾驶和机器人领域非常核心的技术，也是很有技术挑战的，其核心作用就是建图和定位，尤其是在复杂城市环境中对 SLAM 技术依赖很高，涉及到 5G，它主要体现在两点：

首先，5G 是定向性较强的通信技术，它的频带比较宽，通信频率较高，定向性比较强，基站也很密。基于这些特点，它能够辅助 SLAM 的定位，通过一些相关资料的了解，它能够做到亚米级。也就是说，在没有卫星的情况下，通过 5G 的基站也可以提供一种可靠地全局定位方法，这无疑对定位技术是一个非常好的补充，优势是在室内场景其作用会更明显。

另外，通过 5G 高带宽的通信链路，未来的某些基站物理坐标都可以很准确。在这种情况下，在建图和定位的时候，两侧会有非常多有带自己绝对位置的基站，利用这些路标信息，建图工作会更加精准，对高端复杂算法依赖也会降低。

总的来说，5G 对 SLAM 大规模建图优化，或者说将来在定位方面，有利于降低计算复杂度，提升整个系统的定位精度。

对于 GPS 导航系统，在 5G 的地面基站增多后，会变成类似于全局定位的小型基站系统。这对于一些受遮挡、有城市高楼的定位弥补作用很强。具体来讲，就是当有 5G 基站后，哪怕在高楼林立，甚至是室内定位里，5G 手机都能够达到这种亚米级别，这个精度会非常惊人。现在在很多室内的导航定位还是缺少有效的定位手段，依靠一些 Wi-Fi 来实现定位精度不容易保障，也满足不了用户的大部分需求。

腾讯科技：您认为 5G 这项技术对于自动驾驶产业未来的影响会包括哪些层面？比如说在技术的细节上，它对自动驾驶生态会不会有更多可能性？

苏奎峰：对 5G 来说，首先它本身除了通信链路以外，它构建这样一个快速的渠道，把计算连接起来，依赖于路边的边缘节点，可以减轻车端的计算需求。

举个例子，其他的移动设备的能力比车还要弱，汽车在「空闲」时，其他的设备也可借助于车端的计算能力来帮助用户来做一些事情。比如实时翻译功能，现在我们使用都是翻译笔，翻译笔里面有专门的 GPU，需要硬件加速。

但未来的实时翻译可能就不需要这样的运算方式，比如手机里装一个软件，真正的计算是可以在一些车端实现，或者场端实现。由于基站比较密，低延时的切换也比较快，这样我们可以很快速在这种移动过程当中，通过双向的计算形式，用手机来做这种翻译。

而对于云端来说，延时较低的情况下，可以大规模的将运算直接传到云端去计算。比如刚提到的 SLAM，可以在建图过程当中收集大量的原始数据，核心的建图优化算法放在云端做，把结果实时反馈车端。

从技术角度来说，5G 对光纤的要求也很高，因为每个通信链路的数据都很大，光纤相当于现在的骨干网络，骨干网络的带宽也一定要足够宽，才能可以来满足时间方面的要求。否则节点很多，但细的骨干网一定会造成堵塞。所以，无缝连接以外还有一些其他的基础设施都要跟上，才能满足整个的需求。

对整个自动驾驶的生态来说，在 5G 的加持以后发展会更快，有一个更大的维度弥补技术短板，在核心技术的突破后，会加速产业的成熟，也会逐步产生更多的相关消费行为和内容需求，使整个生态形成正反馈。

腾讯科技：业界认为有了 5G 这项技术，能够推进自动驾驶产业有突破性的提升，但是实际上，我们看到近期，有很多自动驾驶公司都遇到了不少的问题，比如被收购、甚至倒闭等等。您怎么看待目前国内自动驾驶产业发展情况呢？

苏奎峰：2019 年对自动驾驶来说，可能已经趋近于一个低谷期，整体融资较为困难。虽然自动驾驶有 5G，在 AI 技术上有很多进步，但是真正的 L3，甚至是 L4 以上的，离用户期望的自动驾驶还有一定的距离，还需要有很长时间和耐心把这件事情一步步做好。

在这种背景情况下，很多初创企业，很难得到一些商业化落地的想法，维持它长远的发展。所以自动驾驶最终活下来，是「剩者为王」，不一定是短期内有技术上领先多少的公司就一定会胜出。最核心的问题还是做的自动驾驶怎么才能结合行业，能够使自己的团队、自己的公司能够有持续的造血能力，然后持续技术和产品迭代。

技术方面来说，这个成败其实考验的是一个公司在系统资源方面的整合能力，包括底层系统工程化能力等等。另外，其中的核心技术是对数据的利用效率，所以无论是做决策、还是感知层，最终公司的技术要体现在数据的利用效率上。

所以，能够把数据利用效率提高、把数据价值挖掘得更高、相应的工作积累更深等这些要素的公司才是有核心竞争力的公司，而不是短期内做一个模型，或者做一个小的算法来获得竞争力。

腾讯科技：能介绍下近期腾讯自动驾驶实验室的战略布局吗？在 5G 方面会有哪些计划？

苏奎峰：目前我们的核心主要是帮助车厂把自动驾驶技术做好，帮助自动驾驶落地，所以我们在仿真、在云、高精度地图等工具链和数据测投入很多资源，也致力于成为值得信赖的软件与服务提供者，为产业发展提供助力。

从战略路线上讲，我们平行推进 L3 和 L4 级别的自动驾驶。L3 是产业落地，跟车厂紧密合作，L4 当前主要在做技术开发和测试，让自动驾驶汽车能够在一些复杂的城市道路里面也可以行驶，提升自动驾驶的整体技术水平，并将相应技术降维应用到 L3 或工具链的能力提升上。

L4 方面，我们期待能够同更多的车厂合作，一起联合测试，为 L4 的落地运营提供支持。关键是我们也希望能够通过 L4 这种技术的积累，把仿真、云等方面的能力进一步提高，把腾讯的服务做得更有竞争力，能够为客户带来更大的价值。

5G 方面的应用布局来说，我们内部有专门开展 5G 研究的「未来网络实验室」，在边缘计算、开源和标准应用等方面都有较高影响力的成果，也一起在开展自动驾驶与 5G 技术的应用研究，在车辆在环、模拟仿真等方面已经取得了非常有价值的成果，通过 5G 链路把仿真虚拟的环境信息打到车端，让自动驾驶汽车能够在马路上模拟整个系统运营。

至于车路协同的应用，因为主要依赖车端感知的终端以及很多其他的一些基础设施。其中涉及的不光是 5G，还有一些很多功能节点，需要系统工程的配合。目前这些技术发展还没有到成熟阶段，所以它也会一定程度上会影响整个落地的进程。当然，随着国际或国内更多 5G 示范城市的推出，相关示范区的落地会更快一些，我们都会积极参与，加速 5G 和自动驾驶的融合。

腾讯科技：刚才我们提到了自动驾驶级别，您认为 L3 级别的自动驾驶是一个分水岭吗？从技术来看，您是怎么判定的？

苏奎峰：L2 到 L3 是自动驾驶的一个分水岭，最核心的问题在于责任的认定问题。比如说 L2，或者是 L2+ 级别的自动驾驶，人在驾驶中依然承担主要角色，如果车出了问题或者发生事故，是人的责任，车厂都是可以规避风险的。

对于 L3 及 L3 以上级别的自动驾驶，核心的问题就在于汽自动驾驶能力允许驾驶员释放双眼和双手，当汽车遇到危险之前，自动驾驶会有预警提示，如果汽车一旦出事故，车会负责任，而不是人负责。因此，这样对于汽车方面的安全要求会非常高。所以无论是在安全方面还是在技术层面，L2 和 L3 差别较大。

并且，L3 对技术的要求会有更高的要求，比如以转向系统为例，如果转向系统有一部分失灵了，需要有双备份的冗余的转向系统和刹车系统，这些关键的系统都是要有冗余的。L4 主要面对的 Robot taxi 的移动出行，它的商业化或者是产业周期可能会更远一些。

对于初创公司来做 Robot taxi 这件事情，我还是有些保留意见。首先是它要求的技术壁垒很高，另外一个问题是成本方面，汽车为了保证安全，需要规模化测试，这个规模化测试需要的资本也非常高，对初创公司融资能力挑战不小。

理想中的 L4 及 L5 的自动驾驶的落地和实现，需要政府、互联网公司、车企，三方共同合作才能完成，因为它既有政策问题，也有技术问题，还有运营问题，都要融合在一起考虑的话，三方合作可能会更容易去推广。

自动驾驶的落地需要有一个过程。这个过程可能需要相关测试和运营混合在一起同步推进，比如出行公司运营一些测试的自动驾驶汽车，运营系统实现有人驾驶与无人驾驶的联合调度。在早期阶段，自动驾驶汽车上会有测试员、有司机，这些都也可以混编到运营车队里。一定程度上还节约了成本，后续会逐渐从特定区域的运营、和有驾驶员或者测试人员的汽车混编在一起运营，然后最后到彻底无人的运营，这需要一个循序渐进的过程。