图片70
欧洲运营商标准化协会(ETSI)定义了7种典型的边缘计算应用场景，涵盖了最主流的边缘计算产品内涵和垂直行业应用场景。包括监控视频流、增强现实AR、自动驾驶、工业互联等。
我们认为，自动驾驶场景在实际应用中需要不超过10ms的网络延迟，此类场景5G业务的终点不能依赖于核心网络后端的云平台，因此边缘计算的发展是最迫切、最必要的。
自动驾驶是四轮数据中心，车载边缘计算平台刚刚需要。随着汽车自动驾驶程度的提高，汽车自身产生的数据将越来越大。据英特尔CEOO的计算，假设一辆自动驾驶汽车配备了GPS.摄像头.雷达和激光雷达等传感器，上述自动驾驶汽车每天将产生约4000GB待处理的传感器数据。毫不夸张地说，自动驾驶是四个轮子上的数据中心，如何让自动驾驶汽车实时处理如此海量的数据，并在提取信息的基础上做出符合逻辑、形成安全驾驶行为的决策，需要强大的计算能力来支持。考虑到自动驾驶对延迟的要求很高，传统的云计算面临着明显的延迟、连接不稳定等问题，这意味着一个强大的车载边缘计算平台(芯片)已经成为刚刚需要的。事实上，如果我们打开现阶段展示的自动驾驶测试车的后备箱，我们会清楚地发现它与传统车的区别，并配备一个计算平台来处理传感器输入的信号数据，输出决策和控制信号。
高级自动驾驶的本质是AI计算，车载边缘计算平台的计算能力至少需要20T。从最终实现功能来看，边缘计算平台主要负责解决自动驾驶中的两个主要问题。1)处理输入信号(雷达、激光雷达、摄像头等)。);2)做出决策判断。给出控制信号:是加速还是刹车？左转还是右转英伟达CEO黄仁勋的观点是自动驾驶的本质是AI计算问题，需要的计算能力取决于想要实现的功能。它认为，自动驾驶汽车在判断周围环境后需要做出决定。采取什么样的行动本质上是AI计算的问题。车辆必须配备AI超级处理器，然后基于AI算法进行认知、推理和驾驶。按照国内领先的自动驾驶芯片设计初创企业地平线的观点，要实现L3级自动驾驶，至少需要20个teraflops(每秒万亿次浮点运算)以上的计算能力水平，而在L4级.L5级，计算能力要求将继续以数量级的形式上升。
