一、5G典型應用場景及其挑戰
自動駕駛在國際是非常熱的話題，業界的标準分成了不同的等級，有的分成了5級、有的分成了6級。
如上圖所示，國家工信部相關規範将自動駕駛等級标準定義為6級。目前國内的廠家和國際的一些廠家，絕大部分處于處于L2或者L3的水準。騰訊也有自動駕駛相關的産品，目前有數百人的團隊從事自動駕駛等相關産品和技術的研發工作。
從實踐落地的角度看，自動駕駛汽車商用的成熟性目前來看并不高，這中間存在很多問題，其中技術、成本和安全是阻礙自動駕駛産品規模商用的主要因素。
典型的自動駕駛車輛涉及到硬體和相關軟術的系統性挑戰。主要包括以下四個方面：
第一是高精地圖，其中包括厘米級精度、豐富的路标資料和三維重建能力。
第二是多傳感器，其中包括攝像頭、雷射雷達、毫米波雷達、超聲傳感器、慣導和衛星天線等。
第三是環境模組化及智能決策，其中包括多傳感器融合感覺、道路和區域識别、環境模型建構、智能預測和決策等。
第四是車身控制，其中包括車輛自動控制、駕駛政策執行及規劃。
總體來看，在目前的水準之下，整個自動駕駛車輛因為要安裝多種傳感器、工控機及系統控制軟體，成本比較高昂，而且雷射雷達等傳感器的使用壽命也比較有限。業内人士曾經估算過，自動駕駛車輛的成本不會低于20萬美元，這極大阻礙了自動駕駛汽車産品大規模商用落地。
即使自動駕駛車輛配備了這麼多的專業傳感器和其它專業裝置，在一些異常情況下還是不能很好的解決實際路況上出現的一些安全問題，包括特斯拉在内的自動駕駛汽車曾出現多次交通事故，導緻财産損失和人員傷亡。比如，在超視距的情況下，車載傳感器包括雷達或者攝像頭檢測不到轉彎前方的車輛，或者從街角對面駛過來一個車輛，就很容易發生交通事故。剛才也提到了從成本的角度來講，自動駕駛車輛的成本是非常高昂的。另外從出行效率角度來講，作為交通管理部門或城市市政管理部門，提升交通出行效率是他們主要工作目标之一。但自動駕駛車輛在道路上行駛的時候，考慮安全因素，會相應采取一些比較保守的政策。比如說它的行車速度可能會比較低，同時在發生異常事故的時候，它會減速或者停車避讓，這就使得整個交通的效率并不能得到有效的提升。
綜合以上因素業界提出了 C-V2X 這個概念，這裡面的 C 是蜂窩網絡的意思， V2X 的全稱是 vehicle to everything，就是說，基于蜂窩通信的 V2X 技術，使得車輛和道路所有參與方都能進行實時的資料交換，通過這種資訊交換，來進一步提升包括車輛和其它參與方的安全性，同時提升出行效率。 我們看到 V2X 主要包括四種場景：第一個是 V2V（車輛對車輛），它主要解決一些車輛之間的可能發生的一些異常狀況，比如說車輛碰撞事件；第二個是 V2I，就是車輛和路邊基礎設施，比如紅綠燈等，通過車輛和紅綠燈的資料交換來及時提醒車輛減速或者保持一定車速，引導車輛通過綠波帶，既能提升行車安全，也可以提升車輛出行效率。第三個 V2N，通過和通訊網絡的互動來為駕乘人員提供一些個性化資訊服務。第四個 V2P，通過和行人之間的資料交換，來為行人或非機動車發出一些安全提醒。C-V2X 的目标總體上涵蓋資訊服務、交通安全、交通效率和輔助自動駕駛，它的目标之一就是把單車解決不了的問題移到路端去解決，通過路側裝置和車輛之間的 C-V2X消息互動來進一步輔助自動駕駛，提升交通安全能力，提升道路出行效率，形成“聰明的車”和“聰明的路”。
那麼按照“聰明的車”到“聰明的路”的想法，我們是不是可以将完全依靠自動駕駛車輛本身所具備的智能決策能力給它遷移到雲端上去實作？這樣還可以大幅降低車輛的購置成本，而且因為雲端有高性能、可擴充的計算能力，可以做很多車端勝任不了的計算任務。另外我們知道，現在自動駕駛汽車在車端要做大量的基于計算機視覺或者雷達資料的路況實時分析，這種高性能計算在車輛計算單元上的處理，其準确性等方面還有待提升，如果能移到雲端去做，準确性可能會提高很多，而且雲端還可以做很多複雜的算術和邏輯運算。但是這裡有一個問題，即雲端計算存在的時延問題。自動駕駛智能決策的時延要求非常高，如果移到雲端去計算，整個資料鍊路拉長勢必造成時延的增加，這就可能給自動駕駛業務帶來嚴重的影響。例如車輛在高速公路上以120公裡/小時的速度行駛，每秒鐘就能行駛 30 多米，時延增大就可能會引發嚴重的交通事故。是以移到雲端是個不錯的想法，但它又帶來了時延方面的負面因素，這種情況就為邊緣計算的部署提供了一個契機。也就是，把雲端那些計算任務移到路側的邊緣計算平台上來進行，通過在路側的基礎設施上部署邊緣計算平台和車聯網的應用，進而對車輛進行實時的智能提醒和決策。在靠近網絡接入的路側基礎設施上進行邊緣計算，它的好處是非常明顯的。第一，計算能力大幅提升，有利于準确度的提升；第二，不需要占用過多的核心網或者骨幹網絡帶寬；第三，可以有效降低延遲時間，在網絡的邊緣側隻要通過基站就可以直接将消息分發給路上的終端，資料傳輸路徑比網際網路到無線核心網再到無線接入網的路徑短了很多，這就是邊緣計算在車聯網中應用的背景。
二、多接入邊緣計算平台及其關鍵技術
邊緣計算在車聯網裡面會發揮着重要作用，目前我們看到各地關于 C-V2X 的新基建建設項目，重點的内容就是 C-V2X應用 和 MEC 服務的建設和部署。 上圖展示了無線網絡的架構圖及MEC在網絡中的位置，左邊是一些終端，通過5G基站接入5G核心網絡，最終抵達網際網路上部署的各種業務。其中核心網分為上面的控制面裝置CCF和下面的使用者面裝置UPF。控制面有很多的功能實體，這些功能都是 5G 網絡專用的核心網網元。MEC需要部署在邊緣UPF附近，通過本地分流能力将手機使用者的業務請求引導到MEC上，由MEC上部署的應用為其提供服務。比如說，通常情況下手機通路英特網上的業務，其通路路徑是經基站裝置到邊緣UPF，再經本地UPF彙聚後進入網際網路，最後到達雲主機，這條路徑比較長。
而在邊緣計算場景下，業務部署在邊緣UPF附近的MEC上，資料傳輸路徑明顯短了許多。當使用者通路一個邊緣應用的時候，我們通過本地分流将使用者的請求直接引導到部署在基站側的 MEC 上，這樣它的流量就在靠近網絡邊緣被處理了，既不占用後端的核心骨幹網絡的帶寬，同時又能降低手機通路網絡業務的時延，優勢顯而易見。
在這種背景下，騰訊提出了邊緣計算 TMEC 解決方案。整個解決方案分成三個層次，最上面是業務層，是TMEC支援的主要的邊緣應用，比如雲遊戲、視訊直播、智慧出行、智慧影視、智能制造等。我們看到這些業務絕大部分都和視訊相關，這是因為視訊在網絡中占的帶寬非常大，邊緣計算可以很好地解決視訊相關應用對網絡帶寬的占用，同時保證手機端的使用者體驗。中間層是平台層，我們知道騰訊雲有非常豐富的中間件服務，可以為上層應用提供豐富且可靠的基礎業務支撐能力。最下是基礎層，它是 TMEC 平台的基礎支撐，我們采用騰訊雲自研的容器平台TKEStack來實作。下面簡單介紹幾個TMEC上部署的特色業務能力。
TMEC 一個重要的特色業務能力就是 5G 業務能力。要實作5G業務在邊緣計算裝置上的部署，必須支援5G網絡流量從 UPF分流到邊緣計算站點。因而，引流是MEC平台的基本功能，通過與核心網的互動，将終端發給核心網的資料流量依據MEC業務的要求分流到MEC站點并分發給MEC業務處理。 如上圖所示，3GPP标準定義了引流功能的實作。目前引流有多種方案，比較成熟的是基于上行分類器UL CL的引流方案，目前騰訊已經和多個裝置廠家進行了對接，實作了從核心網UPF網元到MEC 流量的引導。 TMEC還支援 5G QoS 和網絡切片能力，可以為部署在 TMEC上的應用提供一個可靠的無線通訊 QoS 保障。網絡切片是 5G 重要特征，TMEC支援為邊緣應用建立專門的網絡切片，來進一步保證應用的服務品質。目前這些工作騰訊已經在現網和裝置廠家及營運商之間進行了對接。
視訊類應用是邊緣計算典型的應用場景。TMEC提供有高品質的視訊轉碼能力，它是基于使用者感興趣區域ROI的視訊編碼技術，通過這個技術可以在不影響使用者體驗品質的情況下，将碼率降低30%以上。
（1）TKEStack在TMEC架構中的位置
從上圖中可以看到，TKEStack是屬于基礎平台層的解決方案。基礎平台層主要解決的問題是為上層業務提供計算資源支撐，解決上層業務的各個服務在服務生命周期内的對計算資源、存儲資源、網絡的需求問題。随着容器技術的發展，容器化的服務可以在叢集上自由的遷移，服務的可靠性和穩定性得到了更好的保障，同時也帶來了一些問題，比如：容器如何編排？編排架構上手難度較大，如何部署和維護？如何節省服務依賴的日志、告警、網絡元件的部署維護成本？多個k8s叢集如何管理等等問題，TKEStack正是這樣一個解決此類問題的容器雲平台。（2）TKEStack基礎平台層 部署安裝：在ToB業務場景裡面臨的第一個問題就是部署更新問題。針對TKEStack平台部署，我們提供了一個 tke-installer 的工具，工具一鍵安裝後提供一個部署平台的Web頁面，使用者在Web頁面上填寫各種平台配置後即可搭建一個global叢集用于運作TKEStack平台。平台部署後為使用者提供了一個Web頁面，使用者通過管理者使用者登入到平台後進行業務叢集的建立和管理等等。同時平台支援各種擴充插件，使用者可以根據需要在自己的業務叢集或者global叢集一鍵安裝，對叢集功能進行擴充。異構資源虛拟化：随着AI的興起，由于需要大量的矩陣乘加計算，X86計算資源已無法滿足程式對算力的需求，異構計算硬體慢慢普及開來，如：NVIDIA GPU、intel VPU、NPU等等，異構計算資源往往無法像CPU一樣進行分時虛拟，目前TKEStack已經支援了Nvidia GPU 和Intel VPU，後續還會陸續增加對atlas、寒光的支援。運維報警：通常情況下，程式出現問題，都是回報到功能上，然後再由程式開發者層層排查才能解決，在沒有獨立的日志監控系統情況下，日志檢視往往要先到運作這個服務的伺服器上排查，這個過程非常麻煩，在實時性要求較高的環境裡基本不可接受，否則就要安裝一套日志監控系統，開發者要花費精力調研、搭建、維護日志監控系統，TKEStack 內建了日志和監控報警等功能，通過擴充插件形式，一鍵部署，解決了上層平台的日志報警需求。（3）TKEStack 能力介紹
上面我們簡單介紹了TKEStack的主要功能，接下來我們詳細介紹一下TKEStack的各項能力。
安裝部署：TKEStaCk頁面上通過幾步按鈕就可以部署一個k8s叢集，安裝各種平台插件，比如日志 采集、網絡、存儲等。
租戶管理 ：TKEStack提供了租戶和使用者兩層的權限管理。租戶層，使用者可以通過劃分不同的租戶将平台切分成多個平面，各個租戶之間互相隔離，适用于不同部門的不同業務依賴的資源各自獨立的場景。使用者層，同一個租戶平面裡可以建立各種使用者，不同使用者可以管理各自的業務，使用自己的業務下的資源建立k8s負載。
原地更新：服務生命周期裡，部署成功後下一個問題就是更新更新了，正常k8s上的負載更新是先建立一個新的pod然後銷毀舊的pod，在資源緊張情況下，容易導緻更新失敗，同時無法支援同一個負載下多版本共存，TKEStack的TAPP插件通過一個自定義的CRD，允許使用者可以獨立操作一個TAPP負載下的每一個POD，比如給單個Pod更新、重新開機等等。
GPU管理：提供一鍵安裝 GPU 和 Nvidia 相關依賴能力，統一管理由不同型号 GPU 伺服器組建的異構容器計算叢集；Nvidia GPU，通過劫持cuda調用，實作了一卡多用，多容器共享同一張卡，還具備良好的隔離能力。針對intel VPU的host-device模式的計算資源，通過bridge形式将device和host置于的同一網絡平面，解決device節點的網絡問題，讓device節點正常加入k8s叢集進行資源排程。
運維中心：平台具備高可用和可擴充性的細粒度監控告警系統，在此基礎上已經支援平台審計、平台事件、平台告警及告警記錄查詢、日志檢索等功能，滿足使用者各種監控告警需求。
多種網絡模式：TKEStack支援underlay和overlay兩種模式的k8s網絡方案，underlay模式下支援将容器網絡和實體網絡打通，比如騰訊公有雲上，k8s容器和cvm 的vpc打通，容器使用起來更類似于一台cvm，支援使用者使用已有的負載均衡對容器内的服務進行負載均衡，overlay模式下改良了原有的flannel，通過ip封包，降低了封包損耗，提升了網絡效率。
（4）TKEStack功能圖譜TKEStack作為一個基礎平台層解決方案，目前在叢集管理、業務管理、應用管理、認證授權、鏡像倉庫、監控告警、日志、擴充元件等方面都提供了各種各樣的功能。在産品形态上，TKEStac分為平台管理和業務管理，平台管理控制台為使用者提供叢集、倉庫、監控告警、擴充元件方面的管理，滿足使用者的叢集和平台運維需求，業務管理控制台為使用者提供業務資源、日志、監控功能，滿足業務使用者的資源使用需求，同時權限上的劃分增強了平台的可用性。TKEStaCk 功能圖譜（5）TKEStack支援TMEC采用不同的部署模式在TMEC方案中，TMEC有兩種部署模式，中心化部署和邊緣自治部署。中心化部署情況下，在雲端中心部署TMEC管控平台和TMEC業務服務，管理邊緣節點上的TMEC服務，這種模式下邊緣的節點和雲端中心處于同一個業務叢集。邊緣自治部署模式下，分為雲端叢集和邊緣叢集，雲端和邊緣分别部署整套的管控平台和TMEC業務服務，TMEC管控平台之間進行跨叢集通信。TMEC使用者通過TKEStack的控制台入口統一管理邊緣叢集和中心叢集，實作TMEC服務的部署更新和維護。
雲遊戲将遊戲渲染放在伺服器上進行，并将渲染完畢後的遊戲畫面壓縮後以視訊流的方式通過網絡傳送給使用者。在雲遊戲模式下，用戶端的遊戲裝置并不需要昂貴高端處理器和顯示卡，而隻需具備基本 的視訊解壓能力和遊戲操作能力。雲遊戲時代的到來，将會使玩家即便沒有高配置的遊戲硬體系統，也能暢玩高品質的3A 遊戲大作。雲遊戲能解決使用者硬體配置要求過高、遊戲包頻繁更新、遊戲外挂等問題，無需冗長的遊戲下載下傳，實作即點即玩。
多視角觀賽即使用者可以從多個角度來觀看同一場比賽，而不再限制于導播給出的單路畫面，比如籃球迷除了可以觀看正常的球場側方視角外，還可以從籃架下方、場邊VIP席等多個角度自由體驗籃球魅力。利用TMEC部署邊緣應用，可以分别建構場館内多視角直播平台和多視角直播分發平台。既可以為演播人員提供本地快速編輯、 渲染、和極速分發等能力，也可以為終端使用者提供穩定、優質、低延遲時間的觀看體驗。
三、 基于TMEC的車路協同實踐
基于TMEC建構了一個車聯網 V2X 平台，如下圖所示。底層是路側的基礎設施，在平台層，提供多種V2X應用服務能力，為上層的應用開發和運作提供支撐。
上圖展示了典型的應用部署場景。車輛直接和路側的無線基站或者 RSU通訊，路側攝像頭和雷達等傳感器資料送到路側MEC計算，然後通過無線基站或者 RSU 把道路的一些異常事件下發給車輛或行人。
根據應用需求，聚合第三方能力，可利用既有道路資訊化設施，支援深度定制。
内置騰訊C端（微信、QQ及地圖等）觸達能力，充分發揮騰訊連結優勢，快速提升車路協同滲透率。
無線網絡與資料中心融合，相容DSRC、C-V2X、4G及5G等多種網絡，智能排程管理邊緣應用，實作邊緣雲和中心雲的高效互動。
輕量化支援實體機、虛拟機、容器等異構部署環境，減少資源消耗，降低業務遷移難度，提升部署效率。
服務動态加載，區域感覺，智能熔斷，全天候監控能力，保證業務智能運作，支援10萬+服務規模。
提供包括主機安全、網絡安全、應用安全、通信安全在内的全套安全解決方案。
整個産品方案涉及到一個龐大的産業鍊，因而産業生态的建設是需要騰訊和各個廠家合作夥伴一起來完成的。目前在 4G 和 5G 網絡上我們和業界主流的廠家都有合作，也做了大量的對接工作，和中國的三大營運商在現網也做了大量的測試驗證工作。另外像車廠、車載終端、路測裝置廠家和軟體解決方案廠家，我們都歡迎他們參與平台生态建設中來。
四、5G網絡多接入邊緣計算展望
通過參與5G和行業标準、理論研究和實踐驗證，騰訊未來網絡實驗室在 5G 和邊緣計算應用方面也積累了一些經驗，同時我們也在思考一些遇到的問題。
首先是 5G 标準的滞後和網絡大規模建設需求之間的沖突。我們看到3GPP 5G 網絡标準一再推遲，R16、R17 網絡标準沒有正式釋出，這就導緻網絡側的互通側缺乏标準接口定義。是以我們在和 5G 網絡的裝置廠家去做對接的時候，需要大量的定制化開發，這對邊緣計算産品在現網的落地也提出了比較大的挑戰。 其次，整個生态目前參與方還是非常多的，大家的利益有很多互相交錯的地方。比如說電信營運商、電信裝置商和網際網路廠商在邊緣計算方面都會有自己的方案，而這些方案存在很多的沖突，包括邊緣計算基礎設施、邊緣計算平台和網絡等。如何保證各自的利益，是一個很有挑戰性的問題。
最後，業務方向選擇的問題。邊緣計算可以支撐To B業務和To C業務，BAT最早一直是做 To C業務的，做 To B 主要就是華為、中興這些裝置廠商和其它一些專業廠商。現在大家都在做 To B業務，競争越來越激烈。然而 To B項目相對 To C 來說，從項目傳遞難易程度、利潤等各方面都存在挑戰。邊緣計算作為一個當下的熱點，催生出很多初創公司，對于這些公司，選擇 To B還是 To C ，同樣具有很大挑戰性。
Q&A
Q：該平台c/c++開發是否有優勢？語言選型有推薦的嗎？
楊勇：TMEC裡面有一個微服務開發架構，它基于騰訊開源項目Tars建構，Tars支援各種語言的，包括 C、C++、Go、Python、Java和js 等等這種常見的語言它都支援，坦白來講 C++ 做一些高性能應用是非常有優勢的，但是C++的開發效率相對其它語言還是比較有挑戰性。 Q：這要真正的落地，這日志維護是不是都是億級别的啊？楊勇：日志的存儲一般會采用兩級存儲，即邊緣雲存儲和中心雲存儲，日志量會比較大，但是有方案可以解決。 Q：邊緣計算跟之前的 P2P 技術有什麼異同？楊勇：我想這應該是兩個不同層次的問題，邊緣計算主要還是要解決在靠近使用者接入的位置為應用提供服務， P2P 主要還是解決使用者之間的資料共享和傳輸問題。 Q：邊緣計算，通訊協定是要多家機構商定和制定嗎?安全方面有一些什麼具體措施防止資訊洩露或被破壞？楊勇：實際上通訊協定是個大概念，我不知道這裡邊指的通訊協定是指的哪一塊的協定，如果說是和 5G 網絡對接的協定，目前一般都是按照 3GPP 的标準來的，因為标準相對比較滞後，是以現在很多廠家都自己定義了接口，比如說 QoS、 5G網絡切片、本地分流等這些接口，都是我們跟廠家和營運商一起合作協商來制定的。3GPP 的标準出來之後，應該逐漸會向标準去靠攏的。 Q：用戶端需要什麼辨別才能通過 UPF 路由到邊緣雲？楊勇：按照廠家規範的功能，如果要把終端發往核心網的流量分流到本地的邊緣雲來，目前一般情況下都是按照IP五元組資訊來定義本地分流政策，比如說可以根據IP位址、端口号和協定類型等，我們目前和裝置廠家對接也都是按照這些政策來做的，因為絕大部分的應用它的協定和端口都是明确的，當然這些政策也可以支援動态的修改。 Q：請問這個方案裡面的upf以及5gc控制面是用營運商建的？還是你們自建的？ 楊勇：是營運商建的，都是營運商現網的裝置，TMEC是作為在 3GPP 5G标準裡面定義的AF 的角色去和5G的核心網網元互動，來實作本地分流的。Q: 5G是車聯網的強依賴嗎？目前4G的話能支援部分功能嗎？楊勇：應該說 5G 和車聯網是密不可分的，但是部分功能 4G網絡 也是可以的，比如說我們就和一個裝置廠家對接了在 4G 網絡下的本地分流功能。隻有分流功能具備了，這個邊緣計算平台才能在上面部署業務，才能為移動使用者提供邊緣服務。在4G網絡中由核心網網元SGW把流量送到TMEC平台來。 Q：邊緣計算的計算載體是什麼？楊勇：移動邊緣計算它實際上是邊緣雲和5G網絡接入技術的一個結合，是以要說它的計算載體的話，主要是與雲計算相關的一些産品和技術，然後上面再疊加一些5G網絡相關的能力。實際上3GPP和ETSI定義的MEC，叫多接入邊緣計算，它不僅僅支援 5G 網絡，包括 WiFi和固定網絡，都涵蓋在 MEC 的概念裡。Q：我們是做視訊分析，道路感覺，事件檢測等，目前也落地了一些車路協同案例，怎麼加入你們的開放生态？楊勇：剛才也講到了，整個産業鍊比較龐大，我們确實目前也是找了好多的合作商合作夥伴，每家都有自己的優勢。我們也歡迎相關廠家參與我們的生态建設。如果感興趣的話，可以聯系雲加社群小助手，小助手會協助聯系對接部門。 Q：Overlay網絡是不是退出曆史舞台了？何猛：個人不認同此觀點，Overlay和Underlay屬于兩種不同的模式，适用于不同的場景，由于IPV4資源有限，Overlay可以友善的組建區域網路，不消耗使用者IP資源，網絡拓撲簡單問題排查友善，在AI、大資料的等對算力要求較高，對網絡性能無太大要求的場景下還是有很大優勢的。Q：聽到TKEStack介紹裡有部署k8s叢集。請問一下，咱們有沒有在傳統k8s做一些适配邊緣計算的工作？之前看到騰訊有做邊緣容器相關工作，不知道TKEStack是否支援部署呢？何猛: 目前公有雲容器服務下已經提供邊緣叢集功能，針對弱網、低資源等問題引入了新的解決方案，以後會選擇合适的時機在獨立部署版落地。 Q：TKEStack相較同行競品其優勢在哪裡，除了車聯網的探索之外，TKEStack還可以用在哪些領域？何猛: TKEStack是一個通用的容器雲平台，在使用上并不局限于某一個行業或者是某一個領域，可以應用于這種車聯網，也可以應用于大資料 AI ，除基礎的容器雲平台功能外，TKEStack在産品形态方面，為使用者提供業務權限管理、對接已有的第三方權限系統能力，在k8s叢集擴充方面，提供GPU虛拟化、TAPP原地更新等功能，特别是GPU虛拟化，cuda 劫持方案是一個原理上簡單，實作上很優雅的方案。 Q：容器相關的GPU和存儲方面産品在TKEStack裡面有具體實作嗎？何猛: 平台部署後可以在擴充插件裡安裝GPUManager插件，部署後按GPUManager的說明建立GPU負載即可體驗。TKEStack和GPUManager目前都已在github上開源，有好的想法歡迎提Issue和PR。Q：在邊緣計算中，關注很多是負載均衡和通路延遲方面的研究，請問目前騰訊平台是如何設計的？
何猛：目前邊緣計算的方案已經在公有雲上線，有這方面需求的可以體驗一番，目前還沒有開源，等方案更加成熟之後會在獨立部署場景落地。