知乎上有一句標準話術，“先問是不是，再問為什么”。

所以，老知乎會將這個問題進行拆解，然后就變成了“5G技術和自動駕駛之間究竟有沒有關系？如果有，那么究竟是什么關系？”

于是，我在搜索引擎上輸入了這個問題，并且將搜索時間設定為2005年至2015年，果然，這是一個經典的問題。

為什么選定2005年至2015年呢？因為這10年間，我們經歷了3G時代和4G時代的更迭。而作為最佳載體的智能手機，也從不可高攀之物，變成了尋常之事。

從2015年起，我們又在展望5G時代，能夠搜索到的較早一篇文章，恰好是在講5G與自動駕駛汽車的關系。如今5年之后，再來關注這個問題，網絡上可以吵得熱火朝天，但能夠想象到的答案與5年前卻大同小異。

2020年，我們提出了“新基建”，5G基礎設施開始加速落地了。當然，我們有更強的底氣，可以更為準確地評估5G與自動駕駛之間的關系。不可回避的是，在5G技術完全落地之前，很多困難也是實打實的，要一步步去克服。

這個世界，不缺少抬杠挑刺的人，也不缺少巧借概念編織騙局的人，但更需要造夢的人，以及為了那個美好夢想一步步去實現的人。

回到正題，5G和自動駕駛有沒有關系？答案是一定有，而究竟是什么關系，不妨從需求端來理解，或許更能說明問題。

自動駕駛需要車聯網嗎？

我們提到的自動駕駛，尤其是L0-L5的自動駕駛分級，本質上屬于單車智能。這是車企的主攻方向，也是離車企最近的技術舞臺。

對于單車智能而言，主要涉及感知、規劃、控制幾個層面，包括傳感器、處理器和算法。

傳感器有雷達、攝像頭，處理器主要指芯片，算法更偏軟件領域，或自研，或合作。

目前，多數車企的單車自動駕駛水平，正處于L2級。即使達到了L3級，也可能囿于法規等原因，不敢輕易試探L3的說法。因為L3允許駕駛員脫手，但在緊急狀態下又需要駕駛員快速接管，這幾乎是一種悖論，所以，也有觀點認為L2應該向L4直接進化。

除了單車智能，還有一項技術是車聯網。不過，車聯網的邊界范疇，絕不僅是“汽車能上網”那么簡單。

在3G時代，汽車裝導航，可以接入互聯網播報一些簡單的路況或天氣信息。

在4G時代，出現了智能汽車的概念，車里有一塊大屏，可以像操控手機一樣進行點選，功能也更加豐富，可以聽網上的歌，或者看視頻，也可以完成一些簡單的遠程操控，比如，開空調，關天窗。

那么，當來到了5G時代，車聯網的價值才有可能繼續“破圈”。

根本原因是5G更強，但5G比4G技術到底強在哪里？

其實，5G的全稱是第五代移動通信網絡，本質上是一套技術標準。而這套標準的提出，本質上就是為了比4G更進步。

我們直觀理解的話，就是“速度快，延遲低，帶寬大”。

汽車是一個高速移動的物體，速度快、延遲低，與汽車聯網技術恰好相融。

那么，就需求而言，我們為什么需要成熟的車聯網技術？

在一定程度上，拓展單車智能的上限。

單車智能技術存在上限，主要受傳感器、算法等影響。比如，在風雨交加的惡劣天氣里，攝像頭等傳感器的識別能力大受影響。

從目前看，即使在正常的道路環境中，不僅存在范圍盲區，也存在無法識別的少見物體，比如彎道中突然出現的對向車輛，單車智能仍需要不斷訓練，不斷提高安全性能。

如果真正做到了車聯萬物，也就是V2X，車與車之間，車與基礎設施之間可以信息互通，而5G技術的低延遲性，保證了運動物體位置以及速度的準確性，這也是高精定位的范疇。

一方面，我們可以構建一個城市大腦，對車聯網信息進行統一處理，再對每一輛車發出調度指令。最基本的一個應用是合理規劃路線，最大化道路運力，主動規避擁堵，而當道路上全是自動駕駛汽車時，合理調度的能力還將被放大。

另一方面，我們更應該注意到車與車之間的互聯能力，車聯網技術很重要的應用在于此。

車輛在道路上行駛，彼此互為障礙物，為了不發生事故，那就要互相避障。單車智能存在盲區，可能無法識別一些突然闖入的車輛。如果做到了車與車互聯，相當于放大了單車智能的識別圈。

比如，A車在兩輛卡車之間行駛，由于卡車體型巨大，A車無法輕易看清旁邊車道的前后情況，這時，如果車聯網起作用，A車可以明確知道旁邊車道是否安全，此時是否可以超車。

當然，這并不是說，單車智能技術就可以不思進取了，將來坐等車聯網完全鋪設好即可。

單車智能與車聯網技術之間，是一個互補關系，而不是一個取代關系。

車聯網是一個大格局，算是IoT物聯網的一個延伸，不止于車，不止于路，信息能夠交互好，就好像遠遠地可以打招呼，告訴對方自己的狀態，而打招呼的對象不是人與人，而是物與物。

單車智能是一個小世界，智能化要從本體率先完成，要對外部環境、內部需求有一個準確的執行力。單車智能本身也是不容放松的，這是自動駕駛的一個核心，車聯網是助力。

有時候，我們對自動駕駛有所抗拒，無非就是對安全性有所擔憂。單車智能+車聯網，相當于上了兩把鎖，彼此賦能，齊步走，自動駕駛才更可能落地。

云計算有著怎樣的發展潛力？

云計算并非5G時代的專屬，一直被認為是一個潛在風口。但因為5G的速度快、延遲低、帶寬大，所以，在5G時代，云計算可能被真正催熟。

云計算，理解起來很容易。相當于將海量數據存在“云端”，通過“云端”的處理器進行計算。這樣的好處在于，既減輕了終端存儲大量數據的壓力，也可以實現海量數據的共享，經過大數據計算后，可以得出更具趨勢化的結論。

既然5G的傳輸速度如此之快，那么有沒有可能棄用終端的處理器，完全依靠云端進行計算工作呢？手機行業曾有類似的設想，但目前仍沒有產品落地。至于未來會不會實現，使得智能設備更輕更薄，我們姑且保持期待。

來到汽車行業，云計算會有怎樣的幫助呢？

曾與業界的朋友交流，了解到這樣的設想：將來，自動駕駛汽車需要處理的數據非常多，對芯片的算力要求很高，單車的造價成本也會很高。

那么，不妨將一些算力需求轉移到云端，僅在車載終端保留應急處理的本地計算硬件，從而降低成本，節省空間。

當然，這樣的設想仍需要實際論證。比如，即便5G解決了車端入網的速度與延遲問題，但經過云端計算再傳回車端，用時還是過長，能否滿足車輛控制的即時性需求呢？

畢竟，本地硬件的處理速度和執行速度，一定是快于云計算的。

在安全為王的前提下，汽車交予云端處理的數據對即時性不能有太大的需求，那些需要趨勢判斷和深度學習的數據更為合適。

首先，自動駕駛會產生大量的數據，對于終端的存儲壓力很大，非常適合上傳到云端；再者，云端數據可以共享，某一輛車遇到的特殊場景可以被算法學習，并將優化方案共享給所有車輛，自動駕駛技術也將更加成熟。

最先落地的可能性是什么？

目前，自動駕駛能夠實現的主要在一些特殊的應用場景。

1. 封閉園區內的自動駕駛小車

在一些碼頭、工業園區內，具備自動駕駛功能的小車已經開始服役了。這一場景的特點是路線基本固定，突然闖入的障礙物并不多，識別起來比較容易。印象中，在一些車企的制造工廠中，早已有一些智能小車用來運輸零部件了。

類似的自動駕駛小車可以與新零售、快遞行業進行結合。比如，這類小車可以自動送貨上門，京東、蘇寧都做過類似的嘗試。再比如，在某些公園內，可以將這類小車設計為移動售貨亭，但無人看守，只是沿著固定路線沿途“叫賣”，有需要購買的游客隨喊隨停。

2. 高速公路上編隊行駛的自動駕駛貨車

面向C端的自動駕駛是一個大生意，可能需要很多年才可以實現。如果面向B端，可實現的難度在降低，最佳的一個例子是貨車。

貨車的應用場景有很多，我們主要針對的是長途運輸。如果要走長途，道路場景其實比較單一，采用一些駕駛輔助功能，就可以極大地緩解貨車司機的駕駛疲勞度。貨車的路線一般比較明確，那么，編隊行駛，統一調度也就有了可能。

優化路線，降低貨車的駕駛難度，還可以提高長途行駛的安全性，這與貨運行業的效率需求是高度統一的。將來，只要成本控制得當，B端會率先接納自動駕駛的技術優勢。

在新基建的范疇中，我國也在籌建一批支持車路協同的高速公路，最先試點的也會是商用貨車。

寫在最后

自動駕駛，熱度多年不息。從上世紀50年代開始，人們就在憧憬著自動駕駛的未來。

但時至今日，我們也不敢輕易下結論，自動駕駛將會在多少年之后成為現實。只能說，我們離自動駕駛越來越近了。以前只有想象，現在有了落地的技術可能性。

5G時代能帶來多么美好的生活，我們不做過分吹捧，只是客觀分析。但這個時代一定會來，我們保持期待，等待花開爛漫。
? ? ? ?責任編輯：tzh