電影中科技感十足的自動駕駛車讓人嚮往，人類也一直致力於現實世界中打造出自動駕駛車。自駕車的運作是透過感測元件搭配攝影鏡頭，將偵測到的路況傳回資料庫以判斷路況，因此，除了車輛硬體必須有全自動駕駛能力之外，網路通訊技術的進展，將是自駕車的發展和應用的關鍵。
安謀科技全球創新暨投資副總裁謝弘輝，擁有30多年的半導體產業經歷，曾在矽谷成功創立數家新創企業，他將分享自駕車未來的關鍵技術問題與考驗，以下為演講重點摘要：
自駕車產業目前的瓶頸：高效能、低功率以及邊緣AI
此前五年，自駕車一直是個熱門的話題，對市場來說，自駕車可能會是下一個最大的商用市場。但謝弘輝指出，高效能、低功率以及邊緣AI是該產業目前遇到的瓶頸。
由於路上的車況隨時都在改變，因此隨著車子的移動，系統必須需要隨時感應周圍狀況，不斷更新資料與定位。由於吸收的數據量十分龐大且需要瞬間作出反應，將是自駕車極具挑戰性的問題。而5G 通訊有3 大核心技術： eMBB（增強型行動寬頻）、uRLLC（超可靠低延遲通信）和mMTC（巨量多機器型態通訊），而uRLLC（超可靠低延遲通信）便是支持自駕車的最重要的技術。由於網路斷線對於自駕車來說是非常嚴重的問題，極可能會導致車禍，因此具可靠性、不會斷線且低延遲的技術就非常重要，最好做到人進行交通判斷的速度。
邊緣運算的重要
隨著手機等應用裝置產生的數據量越來越多，或是IoT裝置連結後產生的龐大數據，這些資料如果直接傳送到雲端，將對使用的單位產生負擔，無論是儲存或是運算的能量考量，大部分的數據必須要在邊緣端就轉換成有用的數據，再往上傳送，也必須確認每一個節點都要做AI的運算，儲存與加速等功能。
謝弘輝說，5G將連接邊緣設備和雲端，透過5G網路架構的兩大關鍵技術：軟體定義網路（Software Defined Networking，SDN）和網路功能虛擬化（Network Virtualization Function，NFV），以及網絡切片將為目標應用程序提供專用和安全的網路以滿足吞吐量和延遲要求。
自動駕駛的四大技術需要突破：
謝弘輝觀察，自動駕駛仍有四大方面的技術需要突破：
一、邊緣端的精確定位和導航：如何將龐大的數據量，轉換成輕量且精度高的地圖作為定位使用。透過特徵值的方法，將數據量有效濃縮並可以放在車上做即時的定位，而這樣的方法也在幾個大城市被應證過，且很少出錯。
二、即時性的反應：人類開車時，所做到交通判斷時間約為20至30毫秒間，如何打造出一個運算平台可以承受高運算量且反應時間在20至30毫秒間，也是一個很大的挑戰。
三、消除視角的盲點：目前的行車視角仍有死角，如何利用自駕車的位子結合十字路口的照相機或照相訊號，或車子間的互動，用輕量化的資料還有5G的連線去作轉換，透過5G連線，讓每一部車子不只從自己的角度看到周圍的環境，還有前方或旁邊的車子送來的訊息，並轉成可自駕的資訊。
四、商業且可擴展的平台：如何打造一個低功耗和低成本的平台，而不是動輒數十萬美金的消耗也是很重要的。
謝弘輝說，除了期待強大、高性能的邊緣 AI 在短期內有重大突破，5G的可靠、低延遲，高頻寬等特性是自駕車重要的支持，若兩者能結合將有助於自動駕駛的實現。
＊更多精彩報導詳見：人工智慧與新世代通訊論壇 精彩分享 （整理：AIF 楊育青）