5G数字行业报告：建于芯片之上（29页）

行业报告下载 2020年11月17日 08:04 管理员

对于 VR / AR 应用程序，那些扩展现实（XR）技术的未来发展很大程度上取决于体验质量以及丰富和有吸引力的应用。就体验感受而言，VR 需要分别为两只眼睛提供两个感知上扩大数百倍的显示区域，因此超高像素密度的显示成为提高体验的关键。这给图形处理能力和网络带宽带来了巨大挑战。考虑到大多数交互式 AR/VR 场景将同时使用本地和云计算能力，因此 5G 网络的带宽优势成为了解决痛点的关键之一。对于 AR 应用来说，首先需要准确识别真实场景，因此其对更强大和实时的图形处理以及网络响应速度的技术要求实际上更高。目前，针对此类应用实施实时处理的成本相当可观。市场上的更多竞争将带来巨大的增长机会，从而降低普通消费者的成本。本土 IC 设计和基础设施公司也将在市场中扮演重要角色。除此之外，AI 技术将语音相关的应用从基础的传达上升至了更加智慧的程度。当用户在嘈杂背景下通话时，语音处理算法可以准确识别通话与背景噪音的特征并剔除噪音的成分，提高通话质量。并且可以对语音场景进行准确识别，针对不同的场景匹配更加适合的语音算法。

更进一步，先进的语音 AI 算法可以自行理解语义，即使是在方言或语法不准确的条件下，通过对语义的理解来支持连续对话的场景，使人机交互界面往听觉交互的方向发展。在达到语义理解之后，实时 AI 翻译功能便得以实现。这些先进而复杂的算法带来了大量的计算和存储需求，如今许多智能手机都配备了专用的 AI 芯片来接管 CPU 的工作，从而以更少的功耗实现更快的图像处理。当本地计算能力无法处理更大的处理任务时，云 AI 平台将能够接管并远程处理识别或优化。鉴于智能手机照片的分辨率不断提高，本地处理难度提高，伴随 5G 的出现，预计该模式在不久的将来会越来越流行。整个传输+云处理可以在极短的时间内执行完成，在体验上与完整的本地处理相同。本地和云 AI 处理很可能会长期共存和协作，以最大程度地提高系统级的工作效率并优化网络数据流和计算能力的使用。以端侧实现 AI 功能的芯片搭载应用为例，在一定程度上满足了上述方面之后，智能监控设备可以在本地进行一定的图像分析处理，提取关键信息，减轻后端以及云端的带宽及算力压力；电网巡检机器人可以自动识别不同的电网安全隐患；智能家居设备可以通过对用户生活规律习惯的感知，自动对温湿度、遮光、照明、电器等设备进行调节。在对时延要求极为严苛的应用中，往往对带宽的需求并没有那么高，因此边端侧的 AI 运用可以有效降低 5G 网络的带宽压力，提高通信的效率，并且，在一些隐私敏感的应用中，边端侧实现的 AI 功能可以将敏感信息在本地进行最大限度的处理，避免敏感信息上云而带来的安全担忧，因此，即使云端拥有最强的 AI 算力，边端侧的 AI 功能的实现仍然能够优化整体架构的效率与提高算力部署的灵活度。