除5G之外，机器学习、人工智能和云计算被视为自动驾驶、智能汽车等领域的关键技术，但5G是否是那最后缺的那一环?5G对数据收集、存储、处理和应用带来的影响究竟如何?
网络是否越快就越好?
Sierra Wireless公司物联网解决方案副总裁兼总经理Olivier Pauzet表示：“或许对于一些非常高带宽的应用来说，现在大多数物联网应用的关键限制因素是数据编排，而不是网络速度。“这限制了物联网应用的增长，它使用低带宽、低功耗的物联网设备，并且在物联网“深度边缘”的处理能力有限。数据编排，而非更高的网络速度，能真正地帮助更好地处理这些边缘设备上的数据，从这些设备提取数据，将此数据与云中的其他数据源集成，并更新这些设备上的安全性和其他软件“。
市场调研机构IHS发布的5G经济报告预测，到2035年，5G将在全球创造12.3万亿美元经济产出并创造2200万个工作岗位。其中，中国将获得950万个工作岗位，位列全球首位，远超美国(340万个)。
可靠性至关重要——依靠云计算实现自动驾驶的想法不靠谱
在很多方面，汽车正在成为“车轮上的大型计算机”，并配备了许多传感器，如激光雷达。激光雷达传感器发出一个光脉冲并测量反射回来以确定物体之间的距离，从而生成汽车周围环境的精确3D地图。
这些传感器以及其他必要的系统(如GPS)导致每台自动驾驶汽车每驾驶8小时就会产生和消耗大约4TB的数据。而如果反应缓慢，很可能会导致致命事故。
为了适应这么大量的数据，今天许多公司正在将他们的计算转移到云中，但未来这种动作会越来越频繁。
边缘计算的目标是快速处理数据，而不会在广域网上传输时产生延迟。
“大多数自动驾驶车辆都在开发这种技术，只需最少的连接互联网即可运行，大多数时候他们在开车时向互联网报告特定的统计数据，但算法和地图已经预先加载到车上，我不认为网络速度是一个巨大的限制因素，除非它变得更加可靠“。Mesosphere公司指出。
Scale公司首席执行官Alexandr Wang也赞同可靠性更为重要的观点。Scale是Sensor Fusion Annotation API的制造商，用于激光雷达和雷达点云数据，为自动驾驶汽车、无人驾驶飞机、地图等提供动力。它还为世界上一些最先进的自动车公司提供培训数据，如通用Cruise、Alphabet旗下Waymo、优步和本田。
“最大的问题是连接的可靠性，如果汽车依赖云处理步骤运行，肯定会出现连接失败并可能危及乘客安全的情况。
5G连接性在测试中必须证明其具有很高的可靠性，才能让任何汽车制造商确信他们可以在任何真实的世界环境中都可以依靠它。它必须要变得更便宜、可靠和快速。
云计算似乎对自动驾驶汽车没有意义，但边缘计算却能大展身手。Mesosphere公司的Knaup指出，在使边缘计算用例可行的过程中面临许多挑战。他还特别指出了网络可靠性，并补充说，边缘节点通常在异构平台上，这使事情变得复杂。
他补充说，管理处理大量非结构化数据的基础设施以及收集敏感数据(例如从智能家庭收集的数据)的隐私保护要求也需要在边缘计算前进时加以解决。
然而，Knaup也指出了这些机会：“随着我们预计将看到边缘设备的数量大幅增加，这种潜力可能会激增：从自动驾驶汽车到联网智能体育馆，甚至是医疗数据方面都将迎来重大变化。
边缘计算带来了更快的响应时间(由于延迟更低)、卸载计算任务的能力(反过来降低能耗)和更好的位置感知等优势。
Sierra Wireless的Pauzet则表示，标准的LPWA技术是专为IoT设计的首个蜂窝数据网络技术，为创建物联网应用的新用例提供了巨大的机会：
“LPWA使得真正具有突破性的智能城市、电网、农业和其他应用所需的低成本、低功耗设备的激增成为可能。挑战在于将LPWA与数据编排、云和AI技术相结合。
这样，公司就可以最大限度地减少与开发，部署和运行这些应用程序相关的时间和成本，同时最大限度地提高这些应用程序提供的数据的洞察力。“
如果5G如今已经成功投入商用，真的能产生颠覆性影响吗?
如果5G如今已经成功投入商用，一些公司会大量增加“智能”建筑/高速公路/基础设施(即所有门，电梯，固定装置，跑道等)中传感器的数量，以实现持续和实时的健康和安全，如以及相关系统的使用情况监测。
“5G的可用性还将减少对有线回程网络的依赖，以将数据从边缘计算/存储设备传输回区域计算/存储设备。
深度学习算法的性能随着可以学习的数据量的增加而增加，因而可以从设备中收集更多的数据，以提高深度学习应用的准确性。
据Garther对5G行业的生命周期分析，目前正处于快速上升期
另一方面，如果5G今天可用，Pauzet则不确定这一行业的数据移动，存储和处理理念以及体系结构会发生什么变化：
“尽管5G确实提供了在短距离内提供数千兆位速度和大容量的机会，开辟了许多新用例，但真正改变这些理念和架构的是智能数据编排。”
“当今行业面临的主要挑战是如何更高效和更有效地提取、处理、分析和更新物联网数据——近期解决这一挑战的方法是更好地协调数据，而不是在短距离内更快地传输数据。 ”
