有別於之前2G, 3G, 4G移動網路升級更像是網路本身的一個單向性迭代, 從語音到映像再到視頻, 其本質還是網路連接速度的增長, 因為在當時, 這就是網路發展的當務之急, 無論是商業端還是用戶端, 都需要更快的網速帶來更多的內容. 而當網速已經達到了一定的基礎, 到5G網路升級階段, 雖然不能說有改天換地的變化, 但是其涵蓋方面可就豐富多了. 倉廩實而知禮節, 當溫飽問題解決了, 咱們再來考慮各種個性化需求. 3GPP定義了5G應用的三大場景, 主要是: eMBB (enhanced Mobile BroadBand, 即增強型移動寬頻) ; mMTC(massive Machine Type of Communication, 即海量機器類通信) ; URLLC (Ultra-Reliable Low Latency Connection, 即高可靠低時延連接) . 以上的場景單獨拎出來提煉成概念之後, 簡潔中又透著一絲抽象, 那我們就把他們都掰開揉碎了, 看看對於5G, 我們在期待些什麼. 先說eMBB——增強型移動寬頻. 先說它是因為在3GPP 5G NR首版規範凍結之後, eMBB場景的發展已經上了正軌, 它就是R15討論的主要場景, 至於mMTC和URLLC場景則會在第二個版本R16中同時引進. eMBB就像是之前網路升級主線的延續和增強, 目的是帶來更大更強的頻寬, 同時, 也需要考慮在頻寬有限時如何更高效的進行利用. 說到這裡, 需要簡單講解一下編碼方案的問題, 之前討論較多的幾種編碼方式雖然都有很出名的一些業內的企業為其月台, 但不是說這些編碼方式就是他們發明的, 只不過這些廠家在對應的編碼方案之下的研究和專利會更深入, 更多, 採用了那些編碼方案, 自然是對他們更有利. 在底層上擁有更多的專利, 也就代表了在技術發展中擁有更強的話語權, 同類企業在面對他們的時候, 合作也就成了一個比硬剛更為明智的選擇. 其中, 經過2016年10, 11月的連番大戰, 高通所主導的LDPC碼最終和Ploar碼在eMBB場景二分天下, 最終LDPC碼成為數據通道編碼方案, Polar碼成為信令通道編碼方案. LDPC碼的脫穎而出除了在編碼層面的技術先進性而外, 高通企業本身業內的領導地位也有一定的優勢, 技術層面相當, 那底蘊和發展就是不得不考慮的因素了. 根據ITU (國際電信聯盟) 公布的標準, 5G系統的下行峰值數據速率至少要達到20Gbps, 上行峰值數據速率至少要達到10Gbps. 同時, 針對 '用戶吞吐的累積分布函數的5%' 也就是真實環境下, 用戶可用最低速率, ITU標準《5G空口技術性能的最低需求》規定, 對於eMBB場景, 在5G系統下行方向, 用戶實際體驗到的數據速率應不低於100Mbps, 上行方向, 用戶實際體驗到的數據速率應不低於50Mbps. 這樣的數據對比4G時代的100Mbps, 增長的跨越性是可想而知的. 正是因為有了如此巨大的增長, 像3D, 超高清, AR, VR等數據量龐大的內容形式才有了轉化為線上的可能性. 考慮到5G網路所需要的更先進的基帶和對應新內容的設備, 不得不說高通還是相當有優勢的. 基帶方面, 針對千兆級LTE的驍龍X16和驍龍X20暫且不說, 支援5G標準的驍龍X50作為方案發布和成功實現數據連接的雙第一, 在一年的時間內, 實現了從方案到實際落地的跨越, 起手就是28GHz毫米波段下1.25Gbps的傳輸速度, 憑藉高通的技術優勢, 達到5Gbps的設計峰值標準想來也並不遙遠. 而形式更為新穎的AR, VR方面, 高通的優勢就更大了. 說到VR首先進入腦海的兩家廠商就是Oculus和HTC, 因為也只有他們在技術相對完整的情況下能做到成規模的商業量產, 而這兩家最新的Oculus Go和HTC Vive Focus使用的就是高通的晶片. 至於下一代VR/AR產品, 憑藉驍龍845上手機端最強GPU Adreno 60+室內空間定位 (room-scale) +六自由度 (6DoF) +即時定位與地圖構建 (SLAM) 這一整套組合拳下來, 除非他們不想給用戶帶來更好的使用體驗, 不然高通依舊會是他們的第一選擇. 技術強就是牛, 高通是談到5G設備端晶片繞不過去的話題. eMBB的場景基本明晰之後, 我們繼續往下, 說說mMTC——海量機器類通信. 根據ITU標準, 對於mMTC場景, 設備連接密度至少要達到100萬部設備/平方公裡, 它的主要目標就是在降低功耗的同時還要提升覆蓋並增大連接數量. 因為標準暫時還未完全劃定, 這兩個場景我們更多是對現有階段的分析. 單從通信技術的角度來講, mMTC的難度其實低於eMBB, 相對的技術利用和協議方面都會有一定的簡單化, 因為本身4G和pre 5G已經有了較為充足的過渡和準備, 關於mMTC和NB-IoT, eMTC, 並沒有本質上的差別, 可以理解為一個技術的延伸和突破, 畢竟我們所需要實現的萬物互聯物聯網, 更多是為了數據之間的流通, 保證所有設備都同時線上, 並能清楚傳遞出他們所提供和需求的數據, 這個數據本身並不複雜, 只是規模和量級會比較大. 那麼可以想象, 這一階段除了網路本身, 我們可以更多的關注到物聯網中的 '物' , 其網路連接能力和規模連接的要求並不低, 這就要考量設備的核心晶片了. 咱們說點現在正熱門的——可穿戴設備, 2017年6月高通推出了針對可穿戴設備的Snapdragon Wear 1200平台, 可以給設備提供eMTC和NB-IoT低功耗, 長時線上的連接, 此二者和mMTC, 更多隻是偏向重點之間的差別. 這裡顯示出的是高通卓越的前瞻性, 說到其本身的技術強大, 可以看看下面的數據, 首先是2017年美國專利排行榜. 高通排名第6, 位於穀歌和微軟之前, 本身就是一個極為靠前的排名了, 在考慮到相對於其他公司, 高通在通信領域的深耕, 可以窺見行業內高通的地位. 當然, 這裡我們也為能在榜上看到京東方 (BOE Technology Group) 這樣取得巨大進步的國內企業感到高興. 接下來在看一個細分IoT領域的專利排行榜, 因為這樣專項性的排行榜公布的資料不多, 小編暫時也只找到一個2016年LexInnova公司的數據, 咱們主要進行參考分析, 具體數據隨著時間的變更肯定已經又有了不少的增加. 可以看到排頭的高通和英特爾相對別的公司還是很有優勢的, 基本是翻了一番. 同時這裡也可以看到ZTE因為早早的壓注5G, 相關的行業和領域積累都有了不錯的積累, 最近也和高通, 中國移動合作密切, 2017年11月三家公司成功實現了全球首個基於3GPP R15標準的端到端5G NR系統互通, 有好的合作夥伴確實發展的勢頭迅猛了很多. 結合現在優勢, 技術領先性和前瞻眼光的準確等多方面考慮, 不難判斷mMTC場景中重要主導力量依舊會是高通, 接下來要說的就是5G時代小編本人最為期待的URLLC場景了. 根據ITU標準規定, 對於URLLC應用場景, 數據面時延不能超過1ms, 控制面時延不能超過10ms. 作為對比的我們可以看一下電影這個咱們喜聞樂見的娛樂形式. 雖然現在玩FPS遊戲的高端玩家都要求幀率是越高越好, 但這主要是因為幀生成時間不均勻和高動態場景要求的原因, 如果是幀生成和顯示時間均勻的電影, 24幀每秒的級別已經完全可以滿足一般要求了, 那1000/24=41.67ms/幀. 也就是說如果能夠滿足5G標準的時延要求, 我們在使用過程中就是完全無延遲的體驗, 不會再有雖然下載速度快, 但還是不流暢的感覺. 當然5G除了在用戶體驗和影音娛樂等方面有幫助, 在現在熱火的人工智慧的方方面面也會快速的促進提升. 人工智慧總是和大數據一塊被提起, 這是因為人工智慧中廣泛使用的深度學習依靠的就是大量的數據, 你可以理解為就像我們需要食物和各種資料, 用大量的數據去飼餵它, 可以讓它更好更快的成長出 '智能' 這一特性. 從這一點上來說, 雲智能因為擁有龐大的數據體量, 會佔有更大的優勢. 但如果完全依賴雲智能, 過往網路情況下, 數據傳輸和處理的過程就會導致人工智慧在面對實際使用場景時顯得很獃滯, 雖然結果也許是對的, 但離智能二字顯得並不那麼親近. 因此, 人工智慧也有端智能的發展方向, 數據在本地進行即時處理, 只要處理能力足夠強大, 延遲自然就降低下來了, 但是這也存在一個問題, 那就是本地數據的來源會相對單一, 深度和廣度無法在短時間之內實現突破. 而當低時延的5G網路到來之後, 雲智能和端智能就完全可以結合起來了, 雲端負責提供大規模的資料, 提供用戶的過往數據, 提供相關的需要拓展開來的資訊, 而本地可以接觸到用戶最新鮮的動態和數據, 二者之間進行貫通, 按需進行數據和處理能力的調用, 實現快速學習和極速響應同時兼備. 除此之外在無人駕駛方面, URLLC也是一塊不可或缺的重要基石, 眾所周知, 現在的無人駕駛還無法解決的問題之一就是對網路連接高可靠和低時延的超高要求, 連接的不穩定和緊急時刻的延遲反映到實際使用中, 可能就是無法挽回的慘劇. 2016年9月, 高通, 諾基亞, 愛立信等通訊公司聯合奧迪, 寶馬在內的多家汽車企業成立了5G汽車通信技術聯盟 (5GAA) , 就是為了推動5G網路輔助下無人駕駛領域的發展. 這裡面, 低時延和高可靠依然是重中之重. 當汽車時速達到60Km/h時, 50ms的延遲就會導致83.3cm的反應距離, 而當時延降低到1ms, 這個反應距離就降到了1.6cm, 同樣的車速需要同樣的制動距離, 那這1.6cm和83.3cm的差距可能剛好就是發生碰撞和安全停止之間的距離. 說完了網路對車聯網的幫助, 再說說設備本身. 在之前的CES 2018展會上, 已經有了比亞迪, 本田雅閣, 捷豹路虎等各家車企開始在智能汽車上發力, 值得一說的是, 他們不約合的選擇了高通作為自家的智能汽車提供解決方案. 這自然是因為高通在這一方面的先進性, 作為高通最先進的汽車解決方案——驍龍820Am平台, 平台支援向多個顯示屏無縫傳輸高清視頻的高通Hexagon 680 DSP Vector eXtension (向量擴展) , 同時還整合車輛感測以及計算機視覺, 通過利用驍龍神經處理引擎以支援輔助駕駛. 因為技術先進所以汽車廠商喜歡使用, 又因為使用的廠商多科技促進技術發展增速, 從而行業內話語權得到增強, 這樣的雙迴圈相信也沒有誰能比高通玩得更6了. 以上就是對5G三大應用場景現階段和可預見發展的簡單分析, 因為小編個人見識所限, 部分內容可能存在一定偏差. 但面對著5G的到來, 不管是查閱相關資料還是進行暢想, 分析, 都飽含著抑制不住的激動, 這是一種對於更好的網路體驗和更豐富使用場景的期待. 作為手機圈的孩子, 如果說驍龍845來了就代表著正式擁抱了千兆LTE, 那從現在到5G, 不知道又會有多少產品會成為裡程碑一樣的標記, 這其中, 又有多少會打上高通的印記, 想一想, 還真是讓人期待啊.
有別於之前2G, 3G, 4G移動網路升級更像是網路本身的一個單向性迭代, 從語音到映像再到視頻, 其本質還是網路連接速度的增長, 因為在當時, 這就是網路發展的當務之急, 無論是商業端還是用戶端, 都需要更快的網速帶來更多的內容. 而當網速已經達到了一定的基礎, 到5G網路升級階段, 雖然不能說有改天換地的變化, 但是其涵蓋方面可就豐富多了. 倉廩實而知禮節, 當溫飽問題解決了, 咱們再來考慮各種個性化需求. 3GPP定義了5G應用的三大場景, 主要是: eMBB (enhanced Mobile BroadBand, 即增強型移動寬頻) ; mMTC(massive Machine Type of Communication, 即海量機器類通信) ; URLLC (Ultra-Reliable Low Latency Connection, 即高可靠低時延連接) . 以上的場景單獨拎出來提煉成概念之後, 簡潔中又透著一絲抽象, 那我們就把他們都掰開揉碎了, 看看對於5G, 我們在期待些什麼. 先說eMBB——增強型移動寬頻. 先說它是因為在3GPP 5G NR首版規範凍結之後, eMBB場景的發展已經上了正軌, 它就是R15討論的主要場景, 至於mMTC和URLLC場景則會在第二個版本R16中同時引進. eMBB就像是之前網路升級主線的延續和增強, 目的是帶來更大更強的頻寬, 同時, 也需要考慮在頻寬有限時如何更高效的進行利用. 說到這裡, 需要簡單講解一下編碼方案的問題, 之前討論較多的幾種編碼方式雖然都有很出名的一些業內的企業為其月台, 但不是說這些編碼方式就是他們發明的, 只不過這些廠家在對應的編碼方案之下的研究和專利會更深入, 更多, 採用了那些編碼方案, 自然是對他們更有利. 在底層上擁有更多的專利, 也就代表了在技術發展中擁有更強的話語權, 同類企業在面對他們的時候, 合作也就成了一個比硬剛更為明智的選擇. 其中, 經過2016年10, 11月的連番大戰, 高通所主導的LDPC碼最終和Ploar碼在eMBB場景二分天下, 最終LDPC碼成為數據通道編碼方案, Polar碼成為信令通道編碼方案. LDPC碼的脫穎而出除了在編碼層面的技術先進性而外, 高通企業本身業內的領導地位也有一定的優勢, 技術層面相當, 那底蘊和發展就是不得不考慮的因素了. 根據ITU (國際電信聯盟) 公布的標準, 5G系統的下行峰值數據速率至少要達到20Gbps, 上行峰值數據速率至少要達到10Gbps. 同時, 針對 '用戶吞吐的累積分布函數的5%' 也就是真實環境下, 用戶可用最低速率, ITU標準《5G空口技術性能的最低需求》規定, 對於eMBB場景, 在5G系統下行方向, 用戶實際體驗到的數據速率應不低於100Mbps, 上行方向, 用戶實際體驗到的數據速率應不低於50Mbps. 這樣的數據對比4G時代的100Mbps, 增長的跨越性是可想而知的. 正是因為有了如此巨大的增長, 像3D, 超高清, AR, VR等數據量龐大的內容形式才有了轉化為線上的可能性. 考慮到5G網路所需要的更先進的基帶和對應新內容的設備, 不得不說高通還是相當有優勢的. 基帶方面, 針對千兆級LTE的驍龍X16和驍龍X20暫且不說, 支援5G標準的驍龍X50作為方案發布和成功實現數據連接的雙第一, 在一年的時間內, 實現了從方案到實際落地的跨越, 起手就是28GHz毫米波段下1.25Gbps的傳輸速度, 憑藉高通的技術優勢, 達到5Gbps的設計峰值標準想來也並不遙遠. 而形式更為新穎的AR, VR方面, 高通的優勢就更大了. 說到VR首先進入腦海的兩家廠商就是Oculus和HTC, 因為也只有他們在技術相對完整的情況下能做到成規模的商業量產, 而這兩家最新的Oculus Go和HTC Vive Focus使用的就是高通的晶片. 至於下一代VR/AR產品, 憑藉驍龍845上手機端最強GPU Adreno 60+室內空間定位 (room-scale) +六自由度 (6DoF) +即時定位與地圖構建 (SLAM) 這一整套組合拳下來, 除非他們不想給用戶帶來更好的使用體驗, 不然高通依舊會是他們的第一選擇. 技術強就是牛, 高通是談到5G設備端晶片繞不過去的話題. eMBB的場景基本明晰之後, 我們繼續往下, 說說mMTC——海量機器類通信. 根據ITU標準, 對於mMTC場景, 設備連接密度至少要達到100萬部設備/平方公裡, 它的主要目標就是在降低功耗的同時還要提升覆蓋並增大連接數量. 因為標準暫時還未完全劃定, 這兩個場景我們更多是對現有階段的分析. 單從通信技術的角度來講, mMTC的難度其實低於eMBB, 相對的技術利用和協議方面都會有一定的簡單化, 因為本身4G和pre 5G已經有了較為充足的過渡和準備, 關於mMTC和NB-IoT, eMTC, 並沒有本質上的差別, 可以理解為一個技術的延伸和突破, 畢竟我們所需要實現的萬物互聯物聯網, 更多是為了數據之間的流通, 保證所有設備都同時線上, 並能清楚傳遞出他們所提供和需求的數據, 這個數據本身並不複雜, 只是規模和量級會比較大. 那麼可以想象, 這一階段除了網路本身, 我們可以更多的關注到物聯網中的 '物' , 其網路連接能力和規模連接的要求並不低, 這就要考量設備的核心晶片了. 咱們說點現在正熱門的——可穿戴設備, 2017年6月高通推出了針對可穿戴設備的Snapdragon Wear 1200平台, 可以給設備提供eMTC和NB-IoT低功耗, 長時線上的連接, 此二者和mMTC, 更多隻是偏向重點之間的差別. 這裡顯示出的是高通卓越的前瞻性, 說到其本身的技術強大, 可以看看下面的數據, 首先是2017年美國專利排行榜. 高通排名第6, 位於穀歌和微軟之前, 本身就是一個極為靠前的排名了, 在考慮到相對於其他公司, 高通在通信領域的深耕, 可以窺見行業內高通的地位. 當然, 這裡我們也為能在榜上看到京東方 (BOE Technology Group) 這樣取得巨大進步的國內企業感到高興. 接下來在看一個細分IoT領域的專利排行榜, 因為這樣專項性的排行榜公布的資料不多, 小編暫時也只找到一個2016年LexInnova公司的數據, 咱們主要進行參考分析, 具體數據隨著時間的變更肯定已經又有了不少的增加. 可以看到排頭的高通和英特爾相對別的公司還是很有優勢的, 基本是翻了一番. 同時這裡也可以看到ZTE因為早早的壓注5G, 相關的行業和領域積累都有了不錯的積累, 最近也和高通, 中國移動合作密切, 2017年11月三家公司成功實現了全球首個基於3GPP R15標準的端到端5G NR系統互通, 有好的合作夥伴確實發展的勢頭迅猛了很多. 結合現在優勢, 技術領先性和前瞻眼光的準確等多方面考慮, 不難判斷mMTC場景中重要主導力量依舊會是高通, 接下來要說的就是5G時代小編本人最為期待的URLLC場景了. 根據ITU標準規定, 對於URLLC應用場景, 數據面時延不能超過1ms, 控制面時延不能超過10ms. 作為對比的我們可以看一下電影這個咱們喜聞樂見的娛樂形式. 雖然現在玩FPS遊戲的高端玩家都要求幀率是越高越好, 但這主要是因為幀生成時間不均勻和高動態場景要求的原因, 如果是幀生成和顯示時間均勻的電影, 24幀每秒的級別已經完全可以滿足一般要求了, 那1000/24=41.67ms/幀. 也就是說如果能夠滿足5G標準的時延要求, 我們在使用過程中就是完全無延遲的體驗, 不會再有雖然下載速度快, 但還是不流暢的感覺. 當然5G除了在用戶體驗和影音娛樂等方面有幫助, 在現在熱火的人工智慧的方方面面也會快速的促進提升. 人工智慧總是和大數據一塊被提起, 這是因為人工智慧中廣泛使用的深度學習依靠的就是大量的數據, 你可以理解為就像我們需要食物和各種資料, 用大量的數據去飼餵它, 可以讓它更好更快的成長出 '智能' 這一特性. 從這一點上來說, 雲智能因為擁有龐大的數據體量, 會佔有更大的優勢. 但如果完全依賴雲智能, 過往網路情況下, 數據傳輸和處理的過程就會導致人工智慧在面對實際使用場景時顯得很獃滯, 雖然結果也許是對的, 但離智能二字顯得並不那麼親近. 因此, 人工智慧也有端智能的發展方向, 數據在本地進行即時處理, 只要處理能力足夠強大, 延遲自然就降低下來了, 但是這也存在一個問題, 那就是本地數據的來源會相對單一, 深度和廣度無法在短時間之內實現突破. 而當低時延的5G網路到來之後, 雲智能和端智能就完全可以結合起來了, 雲端負責提供大規模的資料, 提供用戶的過往數據, 提供相關的需要拓展開來的資訊, 而本地可以接觸到用戶最新鮮的動態和數據, 二者之間進行貫通, 按需進行數據和處理能力的調用, 實現快速學習和極速響應同時兼備. 除此之外在無人駕駛方面, URLLC也是一塊不可或缺的重要基石, 眾所周知, 現在的無人駕駛還無法解決的問題之一就是對網路連接高可靠和低時延的超高要求, 連接的不穩定和緊急時刻的延遲反映到實際使用中, 可能就是無法挽回的慘劇. 2016年9月, 高通, 諾基亞, 愛立信等通訊公司聯合奧迪, 寶馬在內的多家汽車企業成立了5G汽車通信技術聯盟 (5GAA) , 就是為了推動5G網路輔助下無人駕駛領域的發展. 這裡面, 低時延和高可靠依然是重中之重. 當汽車時速達到60Km/h時, 50ms的延遲就會導致83.3cm的反應距離, 而當時延降低到1ms, 這個反應距離就降到了1.6cm, 同樣的車速需要同樣的制動距離, 那這1.6cm和83.3cm的差距可能剛好就是發生碰撞和安全停止之間的距離. 說完了網路對車聯網的幫助, 再說說設備本身. 在之前的CES 2018展會上, 已經有了比亞迪, 本田雅閣, 捷豹路虎等各家車企開始在智能汽車上發力, 值得一說的是, 他們不約合的選擇了高通作為自家的智能汽車提供解決方案. 這自然是因為高通在這一方面的先進性, 作為高通最先進的汽車解決方案——驍龍820Am平台, 平台支援向多個顯示屏無縫傳輸高清視頻的高通Hexagon 680 DSP Vector eXtension (向量擴展) , 同時還整合車輛感測以及計算機視覺, 通過利用驍龍神經處理引擎以支援輔助駕駛. 因為技術先進所以汽車廠商喜歡使用, 又因為使用的廠商多科技促進技術發展增速, 從而行業內話語權得到增強, 這樣的雙迴圈相信也沒有誰能比高通玩得更6了. 以上就是對5G三大應用場景現階段和可預見發展的簡單分析, 因為小編個人見識所限, 部分內容可能存在一定偏差. 但面對著5G的到來, 不管是查閱相關資料還是進行暢想, 分析, 都飽含著抑制不住的激動, 這是一種對於更好的網路體驗和更豐富使用場景的期待. 作為手機圈的孩子, 如果說驍龍845來了就代表著正式擁抱了千兆LTE, 那從現在到5G, 不知道又會有多少產品會成為裡程碑一樣的標記, 這其中, 又有多少會打上高通的印記, 想一想, 還真是讓人期待啊.
|
