有别于之前2G, 3G, 4G移动网络升级更像是网络本身的一个单向性迭代, 从语音到图像再到视频, 其本质还是网络连接速度的增长, 因为在当时, 这就是网络发展的当务之急, 无论是商业端还是用户端, 都需要更快的网速带来更多的内容. 而当网速已经达到了一定的基础, 到5G网络升级阶段, 虽然不能说有改天换地的变化, 但是其涵盖方面可就丰富多了. 仓廪实而知礼节, 当温饱问题解决了, 咱们再来考虑各种个性化需求. 3GPP定义了5G应用的三大场景, 主要是: eMBB (enhanced Mobile BroadBand, 即增强型移动宽带) ; mMTC(massive Machine Type of Communication, 即海量机器类通信) ; URLLC (Ultra-Reliable Low Latency Connection, 即高可靠低时延连接) . 以上的场景单独拎出来提炼成概念之后, 简洁中又透着一丝抽象, 那我们就把他们都掰开揉碎了, 看看对于5G, 我们在期待些什么. 先说eMBB——增强型移动宽带. 先说它是因为在3GPP 5G NR首版规范冻结之后, eMBB场景的发展已经上了正轨, 它就是R15讨论的主要场景, 至于mMTC和URLLC场景则会在第二个版本R16中同时引进. eMBB就像是之前网络升级主线的延续和增强, 目的是带来更大更强的带宽, 同时, 也需要考虑在带宽有限时如何更高效的进行利用. 说到这里, 需要简单讲解一下编码方案的问题, 之前讨论较多的几种编码方式虽然都有很出名的一些业内的企业为其站台, 但不是说这些编码方式就是他们发明的, 只不过这些厂家在对应的编码方案之下的研究和专利会更深入, 更多, 采用了那些编码方案, 自然是对他们更有利. 在底层上拥有更多的专利, 也就代表了在技术发展中拥有更强的话语权, 同类企业在面对他们的时候, 合作也就成了一个比硬刚更为明智的选择. 其中, 经过2016年10, 11月的连番大战, 高通所主导的LDPC码最终和Ploar码在eMBB场景二分天下, 最终LDPC码成为数据信道编码方案, Polar码成为信令信道编码方案. LDPC码的脱颖而出除了在编码层面的技术先进性而外, 高通企业本身业内的领导地位也有一定的优势, 技术层面相当, 那底蕴和发展就是不得不考虑的因素了. 根据ITU (国际电信联盟) 公布的标准, 5G系统的下行峰值数据速率至少要达到20Gbps, 上行峰值数据速率至少要达到10Gbps. 同时, 针对 '用户吞吐的累积分布函数的5%' 也就是真实环境下, 用户可用最低速率, ITU标准《5G空口技术性能的最低需求》规定, 对于eMBB场景, 在5G系统下行方向, 用户实际体验到的数据速率应不低于100Mbps, 上行方向, 用户实际体验到的数据速率应不低于50Mbps. 这样的数据对比4G时代的100Mbps, 增长的跨越性是可想而知的. 正是因为有了如此巨大的增长, 像3D, 超高清, AR, VR等数据量庞大的内容形式才有了转化为在线的可能性. 考虑到5G网络所需要的更先进的基带和对应新内容的设备, 不得不说高通还是相当有优势的. 基带方面, 针对千兆级LTE的骁龙X16和骁龙X20暂且不说, 支持5G标准的骁龙X50作为方案发布和成功实现数据连接的双第一, 在一年的时间内, 实现了从方案到实际落地的跨越, 起手就是28GHz毫米波段下1.25Gbps的传输速度, 凭借高通的技术优势, 达到5Gbps的设计峰值标准想来也并不遥远. 而形式更为新颖的AR, VR方面, 高通的优势就更大了. 说到VR首先进入脑海的两家厂商就是Oculus和HTC, 因为也只有他们在技术相对完整的情况下能做到成规模的商业量产, 而这两家最新的Oculus Go和HTC Vive Focus使用的就是高通的芯片. 至于下一代VR/AR产品, 凭借骁龙845上手机端最强GPU Adreno 60+室内空间定位 (room-scale) +六自由度 (6DoF) +即时定位与地图构建 (SLAM) 这一整套组合拳下来, 除非他们不想给用户带来更好的使用体验, 不然高通依旧会是他们的第一选择. 技术强就是牛, 高通是谈到5G设备端芯片绕不过去的话题. eMBB的场景基本明晰之后, 我们继续往下, 说说mMTC——海量机器类通信. 根据ITU标准, 对于mMTC场景, 设备连接密度至少要达到100万部设备/平方公里, 它的主要目标就是在降低功耗的同时还要提升覆盖并增大连接数量. 因为标准暂时还未完全划定, 这两个场景我们更多是对现有阶段的分析. 单从通信技术的角度来讲, mMTC的难度其实低于eMBB, 相对的技术利用和协议方面都会有一定的简单化, 因为本身4G和pre 5G已经有了较为充足的过渡和准备, 关于mMTC和NB-IoT, eMTC, 并没有本质上的差别, 可以理解为一个技术的延伸和突破, 毕竟我们所需要实现的万物互联物联网, 更多是为了数据之间的流通, 保证所有设备都同时在线, 并能清楚传递出他们所提供和需求的数据, 这个数据本身并不复杂, 只是规模和量级会比较大. 那么可以想象, 这一阶段除了网络本身, 我们可以更多的关注到物联网中的 '物' , 其网络连接能力和规模连接的要求并不低, 这就要考量设备的核心芯片了. 咱们说点现在正热门的——可穿戴设备, 2017年6月高通推出了针对可穿戴设备的Snapdragon Wear 1200平台, 可以给设备提供eMTC和NB-IoT低功耗, 长时在线的连接, 此二者和mMTC, 更多只是偏向重点之间的差别. 这里显示出的是高通卓越的前瞻性, 说到其本身的技术强大, 可以看看下面的数据, 首先是2017年美国专利排行榜. 高通排名第6, 位于谷歌和微软之前, 本身就是一个极为靠前的排名了, 在考虑到相对于其他公司, 高通在通信领域的深耕, 可以窥见行业内高通的地位. 当然, 这里我们也为能在榜上看到京东方 (BOE Technology Group) 这样取得巨大进步的国内企业感到高兴. 接下来在看一个细分IoT领域的专利排行榜, 因为这样专项性的排行榜公布的资料不多, 小编暂时也只找到一个2016年LexInnova公司的数据, 咱们主要进行参考分析, 具体数据随着时间的变更肯定已经又有了不少的增加. 可以看到排头的高通和英特尔相对别的公司还是很有优势的, 基本是翻了一番. 同时这里也可以看到ZTE因为早早的压注5G, 相关的行业和领域积累都有了不错的积累, 最近也和高通, 中国移动合作密切, 2017年11月三家公司成功实现了全球首个基于3GPP R15标准的端到端5G NR系统互通, 有好的合作伙伴确实发展的势头迅猛了很多. 结合现在优势, 技术领先性和前瞻眼光的准确等多方面考虑, 不难判断mMTC场景中重要主导力量依旧会是高通, 接下来要说的就是5G时代小编本人最为期待的URLLC场景了. 根据ITU标准规定, 对于URLLC应用场景, 数据面时延不能超过1ms, 控制面时延不能超过10ms. 作为对比的我们可以看一下电影这个咱们喜闻乐见的娱乐形式. 虽然现在玩FPS游戏的高端玩家都要求帧率是越高越好, 但这主要是因为帧生成时间不均匀和高动态场景要求的原因, 如果是帧生成和显示时间均匀的电影, 24帧每秒的级别已经完全可以满足一般要求了, 那1000/24=41.67ms/帧. 也就是说如果能够满足5G标准的时延要求, 我们在使用过程中就是完全无延迟的体验, 不会再有虽然下载速度快, 但还是不流畅的感觉. 当然5G除了在用户体验和影音娱乐等方面有帮助, 在现在热火的人工智能的方方面面也会快速的促进提升. 人工智能总是和大数据一块被提起, 这是因为人工智能中广泛使用的深度学习依靠的就是大量的数据, 你可以理解为就像我们需要食物和各种资料, 用大量的数据去饲喂它, 可以让它更好更快的成长出 '智能' 这一特性. 从这一点上来说, 云智能因为拥有庞大的数据体量, 会占有更大的优势. 但如果完全依赖云智能, 过往网络情况下, 数据传输和处理的过程就会导致人工智能在面对实际使用场景时显得很呆滞, 虽然结果也许是对的, 但离智能二字显得并不那么亲近. 因此, 人工智能也有端智能的发展方向, 数据在本地进行实时处理, 只要处理能力足够强大, 延迟自然就降低下来了, 但是这也存在一个问题, 那就是本地数据的来源会相对单一, 深度和广度无法在短时间之内实现突破. 而当低时延的5G网络到来之后, 云智能和端智能就完全可以结合起来了, 云端负责提供大规模的资料, 提供用户的过往数据, 提供相关的需要拓展开来的信息, 而本地可以接触到用户最新鲜的动态和数据, 二者之间进行贯通, 按需进行数据和处理能力的调用, 实现快速学习和极速响应同时兼备. 除此之外在无人驾驶方面, URLLC也是一块不可或缺的重要基石, 众所周知, 现在的无人驾驶还无法解决的问题之一就是对网络连接高可靠和低时延的超高要求, 连接的不稳定和紧急时刻的延迟反映到实际使用中, 可能就是无法挽回的惨剧. 2016年9月, 高通, 诺基亚, 爱立信等通讯公司联合奥迪, 宝马在内的多家汽车企业成立了5G汽车通信技术联盟 (5GAA) , 就是为了推动5G网络辅助下无人驾驶领域的发展. 这里面, 低时延和高可靠依然是重中之重. 当汽车时速达到60Km/h时, 50ms的延迟就会导致83.3cm的反应距离, 而当时延降低到1ms, 这个反应距离就降到了1.6cm, 同样的车速需要同样的制动距离, 那这1.6cm和83.3cm的差距可能刚好就是发生碰撞和安全停止之间的距离. 说完了网络对车联网的帮助, 再说说设备本身. 在之前的CES 2018展会上, 已经有了比亚迪, 本田雅阁, 捷豹路虎等各家车企开始在智能汽车上发力, 值得一说的是, 他们不约合的选择了高通作为自家的智能汽车提供解决方案. 这自然是因为高通在这一方面的先进性, 作为高通最先进的汽车解决方案——骁龙820Am平台, 平台支持向多个显示屏无缝传输高清视频的高通Hexagon 680 DSP Vector eXtension (向量扩展) , 同时还集成车辆传感以及计算机视觉, 通过利用骁龙神经处理引擎以支持辅助驾驶. 因为技术先进所以汽车厂商喜欢使用, 又因为使用的厂商多科技促进技术发展增速, 从而行业内话语权得到增强, 这样的双循环相信也没有谁能比高通玩得更6了. 以上就是对5G三大应用场景现阶段和可预见发展的简单分析, 因为小编个人见识所限, 部分内容可能存在一定偏差. 但面对着5G的到来, 不管是查阅相关资料还是进行畅想, 分析, 都饱含着抑制不住的激动, 这是一种对于更好的网络体验和更丰富使用场景的期待. 作为手机圈的孩子, 如果说骁龙845来了就代表着正式拥抱了千兆LTE, 那从现在到5G, 不知道又会有多少产品会成为里程碑一样的标记, 这其中, 又有多少会打上高通的印记, 想一想, 还真是让人期待啊.
有别于之前2G, 3G, 4G移动网络升级更像是网络本身的一个单向性迭代, 从语音到图像再到视频, 其本质还是网络连接速度的增长, 因为在当时, 这就是网络发展的当务之急, 无论是商业端还是用户端, 都需要更快的网速带来更多的内容. 而当网速已经达到了一定的基础, 到5G网络升级阶段, 虽然不能说有改天换地的变化, 但是其涵盖方面可就丰富多了. 仓廪实而知礼节, 当温饱问题解决了, 咱们再来考虑各种个性化需求. 3GPP定义了5G应用的三大场景, 主要是: eMBB (enhanced Mobile BroadBand, 即增强型移动宽带) ; mMTC(massive Machine Type of Communication, 即海量机器类通信) ; URLLC (Ultra-Reliable Low Latency Connection, 即高可靠低时延连接) . 以上的场景单独拎出来提炼成概念之后, 简洁中又透着一丝抽象, 那我们就把他们都掰开揉碎了, 看看对于5G, 我们在期待些什么. 先说eMBB——增强型移动宽带. 先说它是因为在3GPP 5G NR首版规范冻结之后, eMBB场景的发展已经上了正轨, 它就是R15讨论的主要场景, 至于mMTC和URLLC场景则会在第二个版本R16中同时引进. eMBB就像是之前网络升级主线的延续和增强, 目的是带来更大更强的带宽, 同时, 也需要考虑在带宽有限时如何更高效的进行利用. 说到这里, 需要简单讲解一下编码方案的问题, 之前讨论较多的几种编码方式虽然都有很出名的一些业内的企业为其站台, 但不是说这些编码方式就是他们发明的, 只不过这些厂家在对应的编码方案之下的研究和专利会更深入, 更多, 采用了那些编码方案, 自然是对他们更有利. 在底层上拥有更多的专利, 也就代表了在技术发展中拥有更强的话语权, 同类企业在面对他们的时候, 合作也就成了一个比硬刚更为明智的选择. 其中, 经过2016年10, 11月的连番大战, 高通所主导的LDPC码最终和Ploar码在eMBB场景二分天下, 最终LDPC码成为数据信道编码方案, Polar码成为信令信道编码方案. LDPC码的脱颖而出除了在编码层面的技术先进性而外, 高通企业本身业内的领导地位也有一定的优势, 技术层面相当, 那底蕴和发展就是不得不考虑的因素了. 根据ITU (国际电信联盟) 公布的标准, 5G系统的下行峰值数据速率至少要达到20Gbps, 上行峰值数据速率至少要达到10Gbps. 同时, 针对 '用户吞吐的累积分布函数的5%' 也就是真实环境下, 用户可用最低速率, ITU标准《5G空口技术性能的最低需求》规定, 对于eMBB场景, 在5G系统下行方向, 用户实际体验到的数据速率应不低于100Mbps, 上行方向, 用户实际体验到的数据速率应不低于50Mbps. 这样的数据对比4G时代的100Mbps, 增长的跨越性是可想而知的. 正是因为有了如此巨大的增长, 像3D, 超高清, AR, VR等数据量庞大的内容形式才有了转化为在线的可能性. 考虑到5G网络所需要的更先进的基带和对应新内容的设备, 不得不说高通还是相当有优势的. 基带方面, 针对千兆级LTE的骁龙X16和骁龙X20暂且不说, 支持5G标准的骁龙X50作为方案发布和成功实现数据连接的双第一, 在一年的时间内, 实现了从方案到实际落地的跨越, 起手就是28GHz毫米波段下1.25Gbps的传输速度, 凭借高通的技术优势, 达到5Gbps的设计峰值标准想来也并不遥远. 而形式更为新颖的AR, VR方面, 高通的优势就更大了. 说到VR首先进入脑海的两家厂商就是Oculus和HTC, 因为也只有他们在技术相对完整的情况下能做到成规模的商业量产, 而这两家最新的Oculus Go和HTC Vive Focus使用的就是高通的芯片. 至于下一代VR/AR产品, 凭借骁龙845上手机端最强GPU Adreno 60+室内空间定位 (room-scale) +六自由度 (6DoF) +即时定位与地图构建 (SLAM) 这一整套组合拳下来, 除非他们不想给用户带来更好的使用体验, 不然高通依旧会是他们的第一选择. 技术强就是牛, 高通是谈到5G设备端芯片绕不过去的话题. eMBB的场景基本明晰之后, 我们继续往下, 说说mMTC——海量机器类通信. 根据ITU标准, 对于mMTC场景, 设备连接密度至少要达到100万部设备/平方公里, 它的主要目标就是在降低功耗的同时还要提升覆盖并增大连接数量. 因为标准暂时还未完全划定, 这两个场景我们更多是对现有阶段的分析. 单从通信技术的角度来讲, mMTC的难度其实低于eMBB, 相对的技术利用和协议方面都会有一定的简单化, 因为本身4G和pre 5G已经有了较为充足的过渡和准备, 关于mMTC和NB-IoT, eMTC, 并没有本质上的差别, 可以理解为一个技术的延伸和突破, 毕竟我们所需要实现的万物互联物联网, 更多是为了数据之间的流通, 保证所有设备都同时在线, 并能清楚传递出他们所提供和需求的数据, 这个数据本身并不复杂, 只是规模和量级会比较大. 那么可以想象, 这一阶段除了网络本身, 我们可以更多的关注到物联网中的 '物' , 其网络连接能力和规模连接的要求并不低, 这就要考量设备的核心芯片了. 咱们说点现在正热门的——可穿戴设备, 2017年6月高通推出了针对可穿戴设备的Snapdragon Wear 1200平台, 可以给设备提供eMTC和NB-IoT低功耗, 长时在线的连接, 此二者和mMTC, 更多只是偏向重点之间的差别. 这里显示出的是高通卓越的前瞻性, 说到其本身的技术强大, 可以看看下面的数据, 首先是2017年美国专利排行榜. 高通排名第6, 位于谷歌和微软之前, 本身就是一个极为靠前的排名了, 在考虑到相对于其他公司, 高通在通信领域的深耕, 可以窥见行业内高通的地位. 当然, 这里我们也为能在榜上看到京东方 (BOE Technology Group) 这样取得巨大进步的国内企业感到高兴. 接下来在看一个细分IoT领域的专利排行榜, 因为这样专项性的排行榜公布的资料不多, 小编暂时也只找到一个2016年LexInnova公司的数据, 咱们主要进行参考分析, 具体数据随着时间的变更肯定已经又有了不少的增加. 可以看到排头的高通和英特尔相对别的公司还是很有优势的, 基本是翻了一番. 同时这里也可以看到ZTE因为早早的压注5G, 相关的行业和领域积累都有了不错的积累, 最近也和高通, 中国移动合作密切, 2017年11月三家公司成功实现了全球首个基于3GPP R15标准的端到端5G NR系统互通, 有好的合作伙伴确实发展的势头迅猛了很多. 结合现在优势, 技术领先性和前瞻眼光的准确等多方面考虑, 不难判断mMTC场景中重要主导力量依旧会是高通, 接下来要说的就是5G时代小编本人最为期待的URLLC场景了. 根据ITU标准规定, 对于URLLC应用场景, 数据面时延不能超过1ms, 控制面时延不能超过10ms. 作为对比的我们可以看一下电影这个咱们喜闻乐见的娱乐形式. 虽然现在玩FPS游戏的高端玩家都要求帧率是越高越好, 但这主要是因为帧生成时间不均匀和高动态场景要求的原因, 如果是帧生成和显示时间均匀的电影, 24帧每秒的级别已经完全可以满足一般要求了, 那1000/24=41.67ms/帧. 也就是说如果能够满足5G标准的时延要求, 我们在使用过程中就是完全无延迟的体验, 不会再有虽然下载速度快, 但还是不流畅的感觉. 当然5G除了在用户体验和影音娱乐等方面有帮助, 在现在热火的人工智能的方方面面也会快速的促进提升. 人工智能总是和大数据一块被提起, 这是因为人工智能中广泛使用的深度学习依靠的就是大量的数据, 你可以理解为就像我们需要食物和各种资料, 用大量的数据去饲喂它, 可以让它更好更快的成长出 '智能' 这一特性. 从这一点上来说, 云智能因为拥有庞大的数据体量, 会占有更大的优势. 但如果完全依赖云智能, 过往网络情况下, 数据传输和处理的过程就会导致人工智能在面对实际使用场景时显得很呆滞, 虽然结果也许是对的, 但离智能二字显得并不那么亲近. 因此, 人工智能也有端智能的发展方向, 数据在本地进行实时处理, 只要处理能力足够强大, 延迟自然就降低下来了, 但是这也存在一个问题, 那就是本地数据的来源会相对单一, 深度和广度无法在短时间之内实现突破. 而当低时延的5G网络到来之后, 云智能和端智能就完全可以结合起来了, 云端负责提供大规模的资料, 提供用户的过往数据, 提供相关的需要拓展开来的信息, 而本地可以接触到用户最新鲜的动态和数据, 二者之间进行贯通, 按需进行数据和处理能力的调用, 实现快速学习和极速响应同时兼备. 除此之外在无人驾驶方面, URLLC也是一块不可或缺的重要基石, 众所周知, 现在的无人驾驶还无法解决的问题之一就是对网络连接高可靠和低时延的超高要求, 连接的不稳定和紧急时刻的延迟反映到实际使用中, 可能就是无法挽回的惨剧. 2016年9月, 高通, 诺基亚, 爱立信等通讯公司联合奥迪, 宝马在内的多家汽车企业成立了5G汽车通信技术联盟 (5GAA) , 就是为了推动5G网络辅助下无人驾驶领域的发展. 这里面, 低时延和高可靠依然是重中之重. 当汽车时速达到60Km/h时, 50ms的延迟就会导致83.3cm的反应距离, 而当时延降低到1ms, 这个反应距离就降到了1.6cm, 同样的车速需要同样的制动距离, 那这1.6cm和83.3cm的差距可能刚好就是发生碰撞和安全停止之间的距离. 说完了网络对车联网的帮助, 再说说设备本身. 在之前的CES 2018展会上, 已经有了比亚迪, 本田雅阁, 捷豹路虎等各家车企开始在智能汽车上发力, 值得一说的是, 他们不约合的选择了高通作为自家的智能汽车提供解决方案. 这自然是因为高通在这一方面的先进性, 作为高通最先进的汽车解决方案——骁龙820Am平台, 平台支持向多个显示屏无缝传输高清视频的高通Hexagon 680 DSP Vector eXtension (向量扩展) , 同时还集成车辆传感以及计算机视觉, 通过利用骁龙神经处理引擎以支持辅助驾驶. 因为技术先进所以汽车厂商喜欢使用, 又因为使用的厂商多科技促进技术发展增速, 从而行业内话语权得到增强, 这样的双循环相信也没有谁能比高通玩得更6了. 以上就是对5G三大应用场景现阶段和可预见发展的简单分析, 因为小编个人见识所限, 部分内容可能存在一定偏差. 但面对着5G的到来, 不管是查阅相关资料还是进行畅想, 分析, 都饱含着抑制不住的激动, 这是一种对于更好的网络体验和更丰富使用场景的期待. 作为手机圈的孩子, 如果说骁龙845来了就代表着正式拥抱了千兆LTE, 那从现在到5G, 不知道又会有多少产品会成为里程碑一样的标记, 这其中, 又有多少会打上高通的印记, 想一想, 还真是让人期待啊.
|
