芯耀
176
昨天，射頻學(xué)堂整理推送了一篇“射頻技術(shù)很可能在未來(lái)十年內(nèi)徹底淪為科技產(chǎn)業(yè)鏈中的‘邊角料’”的文章一石激起千層浪，引起了同學(xué)們的廣泛討論。制造焦慮也好，勸退新人也罷，但其實(shí)這是很多射頻人不得不面對(duì)的狀態(tài)，如何找到射頻技術(shù)的新突破口？是否可以利用AI重塑射頻設(shè)計(jì)？這是我們應(yīng)該考慮的問(wèn)題。
射頻技術(shù)自誕生以來(lái)，極大地改變了人類生活，從早期的無(wú)線電通信到如今無(wú)處不在的無(wú)線連接，它在通信、雷達(dá)、物聯(lián)網(wǎng)等眾多領(lǐng)域都扮演著不可或缺的角色。然而，近年來(lái)，射頻技術(shù)的發(fā)展似乎遭遇了瓶頸。一方面，市場(chǎng)上關(guān)于射頻相關(guān)企業(yè)上市破發(fā)、一級(jí)市場(chǎng)投資熱度降溫的現(xiàn)象，讓不少人對(duì)射頻技術(shù)的前景感到擔(dān)憂；另一方面，行業(yè)巨頭紛紛向外拓展其他市場(chǎng)，也仿佛釋放出射頻技術(shù)發(fā)展受阻的信號(hào)。
從技術(shù)發(fā)展的角度來(lái)看，射頻技術(shù)面臨著諸多挑戰(zhàn)。
在通信領(lǐng)域，隨著5G、Wi-Fi 6等技術(shù)的普及，移動(dòng)終端設(shè)備功能不斷增加，射頻芯片數(shù)量急劇上升，但留給射頻芯片的空間并未同步增長(zhǎng)，高度集成化使得射頻芯片的設(shè)計(jì)難度呈指數(shù)級(jí)提升。例如，4G時(shí)代，高度集成的PAMiD射頻前端方案僅用于頭部手機(jī)廠商旗艦機(jī)；而到了5G時(shí)代，L-PAMiD和L-PAMiF已成為中高端手機(jī)標(biāo)配，那些無(wú)法提供相關(guān)技術(shù)的射頻芯片公司只能被市場(chǎng)淘汰。而且，射頻芯片設(shè)計(jì)復(fù)雜，多采用IDM模式運(yùn)營(yíng)，F(xiàn)abless模式公司難以與之競(jìng)爭(zhēng)，再加上射頻芯片門(mén)檻極高，依賴材料創(chuàng)新提升性能，如今市場(chǎng)成熟度提高，相關(guān)應(yīng)用需求放緩，市場(chǎng)逐漸回歸冷靜。
那么，射頻技術(shù)的新突破口究竟在哪里？
其實(shí)，新興應(yīng)用領(lǐng)域或許蘊(yùn)藏著巨大的機(jī)會(huì)。在物聯(lián)網(wǎng)蓬勃發(fā)展的當(dāng)下，智能家居、工業(yè)物聯(lián)網(wǎng)、車(chē)聯(lián)網(wǎng)等場(chǎng)景對(duì)射頻技術(shù)有著廣泛需求。以智能家居為例，低功耗藍(lán)牙/Wi-Fi射頻SoC芯片需求占比不斷提升，預(yù)計(jì)未來(lái)還將持續(xù)增長(zhǎng)。在工業(yè)領(lǐng)域，射頻技術(shù)可實(shí)現(xiàn)設(shè)備間的無(wú)線通信與數(shù)據(jù)傳輸，助力工業(yè)自動(dòng)化與智能化升級(jí)。在汽車(chē)電子中，車(chē)聯(lián)網(wǎng)的發(fā)展使得車(chē)輛與外界的通信愈發(fā)重要，射頻芯片用于實(shí)現(xiàn)車(chē)輛的導(dǎo)航、通信以及自動(dòng)駕駛相關(guān)的傳感器數(shù)據(jù)傳輸?shù)裙δ埽S著自動(dòng)駕駛技術(shù)的不斷發(fā)展，對(duì)射頻技術(shù)的性能和可靠性要求也越來(lái)越高。
醫(yī)療領(lǐng)域同樣是射頻技術(shù)的潛在增長(zhǎng)點(diǎn)。例如，低溫射頻技術(shù)已應(yīng)用于醫(yī)美行業(yè)，通過(guò)4兆赫茲單極射頻實(shí)現(xiàn)淺層及深層同時(shí)均勻加熱，配合自主研發(fā)的軟件定義最佳波形系統(tǒng)，解決了行業(yè)長(zhǎng)期存在的高痛感、低復(fù)購(gòu)難題。未來(lái)，射頻技術(shù)有望在更多醫(yī)療場(chǎng)景中發(fā)揮作用，如腫瘤治療、神經(jīng)調(diào)節(jié)等領(lǐng)域，通過(guò)精準(zhǔn)的能量控制和靶向治療，為患者提供更有效的治療方案。
與此同時(shí)，AI技術(shù)的迅猛發(fā)展為射頻技術(shù)的變革帶來(lái)了新的契機(jī)。在射頻電路設(shè)計(jì)方面，AI的應(yīng)用可以顯著提升設(shè)計(jì)效率與性能。傳統(tǒng)的射頻電路設(shè)計(jì)依賴工程師的經(jīng)驗(yàn)和反復(fù)試錯(cuò)，過(guò)程繁瑣且耗時(shí)。而AI中的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法能夠快速處理大量數(shù)據(jù)，精確計(jì)算并優(yōu)化電路參數(shù)。比如在濾波器設(shè)計(jì)中，AI能夠根據(jù)不同的頻率和功率需求，優(yōu)化頻率響應(yīng)、耦合衰減特性和群延遲；對(duì)于放大器設(shè)計(jì)，AI可以通過(guò)智能算法調(diào)整增益、噪聲系數(shù)等關(guān)鍵參數(shù)，使其在復(fù)雜的工作條件下仍能保持良好性能 。在振蕩器設(shè)計(jì)里，AI助力實(shí)現(xiàn)高穩(wěn)定性和低相位噪聲，保障高頻譜純度。此外，AI在阻抗匹配上也表現(xiàn)出色，通過(guò)精確計(jì)算匹配網(wǎng)絡(luò)，提升射頻電路的傳輸效率。
在天線設(shè)計(jì)領(lǐng)域，AI同樣展現(xiàn)出強(qiáng)大的優(yōu)勢(shì)。一方面，AI能夠作為替代模型快速生成天線的等效仿真結(jié)果，節(jié)省大量的計(jì)算時(shí)間和資源。以往，天線設(shè)計(jì)流程中，參數(shù)優(yōu)化時(shí)更新模型參數(shù)的全波電磁仿真計(jì)算極為耗時(shí)，而基于機(jī)器學(xué)習(xí)算法的代理模型可以替代這一過(guò)程。該過(guò)程首先通過(guò)運(yùn)行全波仿真獲取數(shù)據(jù)集，構(gòu)建并訓(xùn)練代理模型，使其生成的結(jié)果逼近真實(shí)全波仿真結(jié)果，在優(yōu)化過(guò)程中替代耗時(shí)的全波仿真，大大加快了天線設(shè)計(jì)進(jìn)程。另一方面，AI可以對(duì)天線形狀進(jìn)行精細(xì)調(diào)整，通過(guò)改變尺寸、形狀和結(jié)構(gòu)，或添加特定元素，提升天線的增益、帶寬和方向性等關(guān)鍵指標(biāo)。在極化方式選擇上，AI通過(guò)分析不同極化對(duì)信號(hào)傳輸和接收的影響，幫助工程師根據(jù)具體場(chǎng)景選擇最合適的極化方式，如線極化、圓極化或橢圓極化，提高信號(hào)傳輸效率和接收質(zhì)量。在天線陣列設(shè)計(jì)中，AI算法輔助確定天線布局和元素?cái)?shù)量，優(yōu)化波束形成和控制，增強(qiáng)天線的方向性和增益 。此外，在多頻段天線設(shè)計(jì)方面，AI考慮不同頻段的參數(shù)和性能要求，實(shí)現(xiàn)天線在多個(gè)頻段的兼容性和高效工作，滿足現(xiàn)代通信對(duì)頻譜資源多樣化的需求。
然而，AI在射頻設(shè)計(jì)中的應(yīng)用也面臨一些挑戰(zhàn)。首先是數(shù)據(jù)質(zhì)量和數(shù)據(jù)量的問(wèn)題，高質(zhì)量、大規(guī)模的數(shù)據(jù)集是訓(xùn)練出有效AI模型的基礎(chǔ)，但在射頻領(lǐng)域獲取大量準(zhǔn)確的數(shù)據(jù)并非易事，數(shù)據(jù)的準(zhǔn)確性、完整性和一致性都會(huì)影響模型的性能。其次，AI模型的可解釋性較差，對(duì)于一些對(duì)可靠性和穩(wěn)定性要求極高的射頻應(yīng)用場(chǎng)景，工程師往往需要清晰了解設(shè)計(jì)背后的物理原理和邏輯，而目前AI模型的決策過(guò)程相對(duì)復(fù)雜，難以直觀解釋。再者，射頻設(shè)計(jì)涉及到諸多專業(yè)知識(shí)和復(fù)雜的物理現(xiàn)象，如何將AI技術(shù)與射頻專業(yè)知識(shí)有效融合，也是需要解決的問(wèn)題。
盡管面臨挑戰(zhàn)，但利用AI重塑射頻設(shè)計(jì)的前景依然廣闊。對(duì)于射頻人來(lái)說(shuō)，積極擁抱AI技術(shù)，深入研究AI與射頻技術(shù)的融合應(yīng)用，是尋找新突破口的關(guān)鍵路徑。同時(shí)，在新興應(yīng)用領(lǐng)域不斷探索和創(chuàng)新，將射頻技術(shù)與各行業(yè)的需求緊密結(jié)合，也有望開(kāi)辟出全新的發(fā)展空間，讓射頻技術(shù)在未來(lái)的科技浪潮中持續(xù)閃耀，而非淪為所謂的“邊角料”。
但是，同學(xué)們?cè)谄綍r(shí)設(shè)計(jì)中AI運(yùn)用的怎么樣了？是否能幫助到你？歡迎留言討論
