CBC专题·通往5G之路 | 性命攸关的时延

「命悬一线」大概是赛车电影最大的high点，主角在影片中无数次躲过一劫，但这种幸运未能在现实中延续。

2015年《速7》上映，依然大卖，而Brain的扮演者Paul Walker在两年前死于车祸。当时他刚参加完一场车展，邀请朋友一起试驾他的新保时捷GT，由于车速过高，失控的GT撞车爆炸，两人当场死亡。

在Paul之外，全世界每年有近140万人在交通事故中丧生，有2000-5000万人在交通事故中受伤(WHO, 2018)，全世界每年因为交通事故造成的经济损失，约为2万亿美元。

如果分析车祸的诱因，避不开一个关键的概念——「时延」。

若有各类传感器、电子系统与5G网络的介入，就能对潜在风险进行预判并提前进行干预，大大提升驾驶安全。

本期「CBC洞见」特邀宽带资本董事欧阳琦玮来谈谈性命攸关的「时延」，系统分享他的思考和知识梳理，希望能帮助大家更好地理解这个问题。

文章主要围绕以下话题展开：

❶ 什么是时延？

❷ 时延问题为什么重要？

❸ 降低时延需要哪些关键技术？

❹ 5G将如何解决超低时延的需求？

举例而言，当你对大山喊话的时候会听到回声，这里你的喊话是“因”，听到回声是“果”。喊话和回声之间的时间差，就被称为“时延”。

当你对着镜子摆POSE，摆POSE这个动作是“因”，看到镜子里面的你同样在摆POSE是“果”，摆POSE这个动作和看到镜中POSE的时间差，也被称为时延，只是这个时延非常短暂，超出了人类觉察的极限，是“超低时延”。

如果我们把镜子变成摄像机，把摆POSE变为网络直播，那么演员做出动作和观众看到动作的时间差，也是“时延”。

因为声音和光的传输需要时间，无线电波的传输需要时间，影像和语音资料的编码、解码都需要时间。简单的说，我们可以把时延分为网络（传输）时延，和处理（运算）时延。

要想降低总时延，就要从传输时延和运算时延分别入手进行优化

与回声类似，手机和服务器如果要完成一个交互，就需要信息在两端完成一个往返。这时候前面提到的传输过程*2，相应的，时延也加倍，这叫做端到端时延(End to End, or E2E Latency)。

出于简化讨论的目的，我们忽略网络本身的结构复杂性，只讨论网络（传输）时延，和处理（运算）时延。

全世界每年有近140万人在交通事故中丧生，有2000-5000万人在交通事故中受伤(WHO, 2018)，全世界每年因为交通事故造成的经济损失，约为2万亿美元。

汽车行驶中的时速通常为几十到一百公里。如果考虑到两车相向行驶的情况，则相对速度可能达到200-300 千米/时，即56-83米/秒，也就是说每秒通过的距离可以覆盖12-18辆车身的长度。提前一秒制动的价值，也许是几十米的制动距离以及大大降低的伤亡数量。

紧急停车时，除了考虑车辆本身的刹车距离，还需要考虑驾驶员的反应时间。各类传感器、电子系统和5G的介入，能够对潜在风险进行预判并提前进行干预，大大提升驾驶安全。下图列示了不同速度下的制动距离：

▲点击看大图不同时速下的紧急制动距离（基于英国交通部的数据整理）

针对车联网、自动驾驶和VR等场景中的超低时延需求，工程师们设计出了多种优化方案。比如，从帧结构入手，可以降低最小时隙/TTI、放大子载波间隔；此外，极化码、按照时延要求差异对数据进行分层(Priority to latency critical data)等等……此处略去10000字……从无线传输、核心网、缓存效率、分布式网络等不同角度，提出了数十种方案以降低5G网络的总体时延。对目前可得的近300篇文献/方案进行分类，可得到下面的优化思路汇总：

Reference: IEEE Communications Surveys & Tutorials (Volume: 20, Issue: 4, 4th Quarter 2018)

综合采取前述各种方案，5G网络在处理Latency Critical Data时，有望将时延降到1毫秒（1/1000秒）的水平。我们将5G的目标时延与现有网络进行比较，能够更明显的看到这种变化。

Reference: LTE to 5G, The Global Impact of Wireless Innovation, Rysavy Research and 5G Americas, August 2018

上图中的现有网络时延数据基于5G Americas成员企业商用网络的实测数据（不含internet latency）。由于5G网络尚未大规模商用部署，5G时延数据基于网络建设目标(3GPP TR38.913, R15.0. Jun 2018)。其中，虽然同为5G网络，URLLC切片下的时延又大大低于eMBB，其上行和下行时延均只有0.5ms，只有eMBB的1/8。

在上面的时延比较中可以看到，一方面5G网络能够将网络传输时延降低90-99%，但另一方面，仅凭上述优化，也只能将时延从100ms量级降低到1ms，其上限也就是0.1秒的节约，或者对应1~2个车身长度的距离。

我们曾提到，总时延=网络传输时延+处理运算时延，在某些场景下，比如需要大量传输和运算高清视频资料的时候（而这恰恰是车联网或自动驾驶典型场景），传输和运算处理的负担都会显著增加，此时处理(运算)时延会大大超出0.1秒的量级，甚至达到数秒钟，对应的行驶距离可能达到数百米。鉴于处理和计算耗费的时间会大大超过网络时延，那么只有对处理(运算)时延进行优化，才能大大降低整体时延。

在“云计算”架构下，大量计算集中在云端，各终端将自己需要运算的数据传输到云端进行处理，以更好地支撑那些计算资源消耗大但对时延不太敏感的网络应用，比如照片存储、邮箱等。但对于车联网、自动驾驶等时延敏感且性命攸关的应用，该模式也有其局限性。

所谓“边缘计算”，实际上是将运算需求按照时延要求进行分层，对于时延要求高的应用，不再将数据传至云端进行集中处理，而是将计算任务留在用户和设备端直接完成计算，进而降低数据传输量、缩短数据回路，因而大大降低了端到端时延。

之所以叫“边缘”，是因为站在“云”的视角上，“云”是整个架构的核心，是条条大路通罗马的“罗马”，而各个终端设备是各条大路的起点和“边缘”。

而“雾计算”，可以理解为介于”云”和”边缘”的架构，是将运算任务分配在各条大路中重要的十字路口上完成。