2019年01月09日 | 2019年科技技术趋势大畅想

2019年已经来临，面对日新月异的技术发展，我们所面临的关键工程趋势和挑战，例如物联网（IoT）、从原型验证到商业化部署的5G技术推进以及大众自动驾驶等领域也是越来越繁杂。但是这些工程趋势正在打破传统的行业和产品测试，带来了前所未有的复杂挑战，但这也极大地推动了创新。

EE梳理了近期科技行业趋势，分别从技术、公司发展、行业、等角度选出了几个值得关注的方向，以飨读者，洞见未来。

一、自动驾驶将向着汽车每一个“毛孔”渗透

据报导，在2018年时，大部分的电信厂商都已投入5G现场测试，而2019年含有5G网络的手机及相关服务将正式上市。以美国电信厂商为例，AT&T已经推出5G服务，而Verizon预计将在2019年推出服务，两家电信厂商主推的都是毫米波技术。T-Mobile推动的则是低频段的5G设备，虽然速度较慢，却较为稳定。

电动车部分，以往一提到电动车，大多数的人都会先想到特斯拉，在2019年状况可能将会改变，众多车厂百家争鸣。如奥迪、奥斯顿马汀、Jaguar 、Mercedes-Benz、保时捷等豪华车车厂都预计会推出价格不菲的电动车。特斯拉要价35,000美元的平价版电动车预计将在2019年初推出，而福斯也有可能推出30,000美元的电动车e-Golf，因此，电动车市场将越来越接近大众可以负担的价格。

预计2019年底，所有主要的汽车制造商都会推出几款电动车，甚至有些会在2020年就可以量产。虽然至少要花5年才能够让电动车普及，但2019年开始，使用内燃机的传统汽车将会慢慢消失。

二、  AI芯片群雄争霸

根据Gartner公布2019年十大战略科技发展趋势不难看出，未来将以智能设备为特色，在各地提供越来越有洞察力的数字服务，我们称之为智能数字网格。

智能：人工智能如何渗透到几乎所有现有技术中，并创建全新的类别。

数字：融合数字世界和真实的物理世界，创造一个身临其境的世界。

网格：利用不断扩展的人员、企业、设备、内容和服务之间的联系。

这些人工智能驱动的机器人只是“自动化事物”的一个例子，它是2019年Gartner十大战略技术之一，有可能在未来五年内带来重大中断并带来机遇。

随着AI应用于开发过程本身以自动化各种数据科学、应用程序开发和测试功能，专业应用程序开发的另一个机会“高峰”出现了。到2022年，至少40％的新应用程序开发项目，将在他们的团队中配置AI协同开发人员。

AI驱动的开发着眼于将AI嵌入到应用程序中并使用AI为开发过程创建AI驱动的工具的工具，技术和最佳实践。这一趋势正在沿着三个方面发展：

- 用于构建基于AI的解决方案的工具正在从针对数据科学家（AI基础设施，AI框架和AI平台）的工具扩展到针对专业开发人员社区（AI平台，AI服务）的工具。

- 用于构建基于AI的解决方案的工具正在被赋予AI驱动的功能，这些功能可以帮助专业开发人员并自动执行与AI增强型解决方案开发相关的任务。

- 支持AI的工具正在从协助和自动化与应用程序开发（AD）相关的功能演变为使用业务领域专业知识和自动化AD流程堆栈（从一般开发到业务解决方案设计）的更高层次活动。

挑战与趋势

芯片目前主要是提供算力支持，2018年，AI芯片大厂和创业公司们均有不少新动作。其中最大的玩家当属英伟达和英特尔。英伟达的GPU抓住了计算设备需求的关键时机，在图形渲染、人工智能和区块链领域的计算表现突出，希望成为真正的算力平台，其中，英伟达在训练方面的代表芯片就是Tesla V100。由于英伟达GPU布局AI的时间早于英特尔、赛灵思等公司，整体生态较为完整，产品在IT公司中得到广泛应用。

再看国内，华为在2018年10月发布了两颗AI芯片——昇腾910(max)和昇腾310(mini)。昇腾910主要用于云端计算，其半精度算力达到了256 TFLOPS，预计将于2019年第二季度量产；昇腾310用于终端低功耗场景，拥有8TFLOPS半精度计算力，目前已经量产，但是并不对外销售。

目前在AI芯片领域没有哪一家占据绝对优势，初创企业方面仍在草创阶段，客户的采用意愿，以及导入后，终端市场的接受状况，将是未来需要观察的地方。总结来看，还是国际芯片大厂的布局速度较快。而国内外主要是技术结构上的差距，底层技术科学上和国外的差距显著，但是应用层面上差距不大，甚至有创新的应用点。不少AI芯片公司通过定制化服务小规模客户，针对B端场景进行开发，比如专门处理语音、图像。

同时，AI芯片也面临不少挑战，杜克大学教授陈怡然就曾提到，AI芯片在设计方面有四大挑战：

其一是大容量存储和高密度计算，当神经深度学习网络的复杂度越来越高的时候，参数也会越来越多，怎么处理是一大难题；

第二个挑战是要面临特定领域的架构设计，因为场景越来越丰富，这些场景的计算需求是完全不一样的。怎么样通过对于不同的场景的理解，设置不同的硬件架构变得非常重要。

第三个挑战是芯片设计要求高，周期长，成本昂贵。从芯片规格设计、芯片结构设计、RTL设计、物理版图设计、晶圆制造、晶圆测试封装，需要2到3年时间，正常的时间里软件会有一个非常快速的发展。但是算法在这个期间内将会快速更新，芯片如何支持这些更新也是难点。

第四个挑战是架构及工艺。随着工艺不断的提升，从90纳米到10纳米，逻辑门生产的成本到最后变得饱和。也许在速度上、功耗上会有提升，但单个逻辑生产的成本不会再有新的下降。这种情况下如果仍然用几千甚至上万个晶体管去做一个比较简单的深度学习的逻辑，最后在成本上是得不偿失的。

在芯片的产业链中，生产环节主要依靠台积电、格芯等芯片代工厂商。但是国内在设计领域逐步前进，并且AI专用芯片相对于CPU、GPU来说难度没有那么大，因此不少创业公司也为自己精通的行业定制AI芯片。

三、自动化的一切

机器人、无人驾驶飞机和自动驾驶汽车等自主设备，将依靠使用AI来自动执行以前由人类执行的功能。它们的自动化超越了刚性编程模型提供的自动化，它们利用AI，提供与周围环境和人们更自然地交互的高级行为。

四、增强分析

增强分析代表了数据和分析能力的第三大浪潮，因为数据科学家可以使用自动算法来探索更多假设和可能。

增强分析侧重于增强智能的特定领域，使用机器学习（ML）来转换分析内容的开发、消费和共享方式。增强分析功能将迅速推进到主流应用，作为数据准备、数据管理、现代分析、业务流程管理、流程挖掘和数据科学平台的关键特性。

五、 数字双胞胎

数字双胞胎是指现实世界实体或系统的数字化表现。到2020年，估计将有超过200亿个连接的传感器和端点，数字双胞胎将连接数十亿的实体设备。企业组织从一开始就会实施数字双胞胎。它们将随着时间的推移不断发展，提高自身收集和可视化正确数据的能力，应用正确的分析和规则，并有效地响应业务目标。

六、赋权边缘

边缘指的是人们使用或嵌入我们周围世界的端点设备。边缘计算描述了一种计算拓扑，其中信息处理、内容收集和传递更靠近这些端点。它试图保持流量和处理更接近‘本地化’，目标是减少流量损耗和延迟。

在短期内，边缘由物联网驱动，需要使处理接近端点而不是集中式的云服务器。然而，云计算和边缘计算不是创建新的体系结构，而是作为互补模型发展，云服务作为集中服务进行管理——不仅在集中式服务器上，而且在本地的分布式服务器和边缘设备本身之中。在未来五年内（2028年），专用AI芯片以及更强大的处理能力、存储和其他先进功能将被添加到更广泛的边缘设备中。嵌入式物联网世界的极端异质性和工业系统等资产的长生命周期将带来重大的管理挑战。从长远来看，随着5G的成熟，不断扩展的边缘计算环境将更加强大的通信回到集中式服务。5G提供更低的延迟、更高的带宽，并且（非常重要的是边缘）每平方公里节点（边缘端点）的数量急剧增加。

七、身临其境的体验

随着时间的推移，我们将从考虑个人设备和分散的用户界面（UI）技术转变为多渠道和多模式体验。多模式体验将人们与数字世界连接起来，包括传统计算设备、可穿戴设备、汽车、环境传感器和消费电器等数百种边缘设备。

到2022年，70％的企业将尝试使用沉浸式技术进行消费和企业使用，25％将部署到生产中。会话平台的未来，从虚拟个人助理到聊天机器人，将结合扩展的感官渠道，使平台能够根据面部表情检测情绪，并且他们将在交互中变得更加顺畅地对话。

八、区块链

目前的区块链技术和概念在任务关键型、规模化的业务运营中尚不成熟，人们对其知之甚少且未经证实。目前来看，许多区块链计划都没有实现区块链的所有属性，例如高度分布的数据库。这些基于区块链的解决方案被定位为通过自动化业务流程或通过数字化记录来实现运营效率的手段。它们有可能加强已知实体之间的信息共享，并改善跟踪和追踪物理和数字资产的机会。

预计，区块链将在2030年之前创造3.1万亿的商业价值。

九、 智能空间

智能空间，指的是物理或数字环境、人类和技术支持的系统，在日益开放、连接、协调和智能的生态系统中相互作用。多个元素——包括人员、流程、服务和事物——将汇集在智能空间中，为目标人群和行业场景创建更加身临其境、交互式和自动化的体验。

这一趋势已经融合了一段时间，如智能城市、数字化工作场所、智能家居和联网工厂等。我们相信市场正在进入一个加速提供强大智能空间的时期，技术成为我们日常生活中不可或缺的一部分，无论是作为员工、客户、消费者、社区成员还是公民。

智能空间主要实现扩展的五个关键维度是：开放性、连通性、协调性、智能性和应用范围。[page]

十、 数字道德与隐私

数字道德和隐私是个人、组织和政府日益关注的问题。人们越来越关注公共和私营部门的组织如何使用他们的个人信息，而且只有那些没有主动解决这些问题的组织才会不断提出反对意见。

如今政府越来越多地规划或通过公司必须遵守的法规，消费者正在谨慎地保护或删除有关他们自己的信息。公司必须获得并保持与客户的信任才能取得成功，并且他们还必须遵循内部价值观，以确保客户将其视为值得信赖的伙伴。

十一、量子计算

量子计算（QC）是一种非经典计算，其操作基于亚原子粒子（例如，电子和离子）的量子态，其将信息表示为量子比特（量子比特）的元素。量子计算真实世界的应用范围，已经从个性化医疗走向图像识别优化等一系列广泛现象。该技术仍处于新兴状态，这意味着现在是企业增加对潜在应用程序的理解并考虑任何安全隐患的好时机。

十二、5G的变革

2019年，5G将成为数字化变革的巨大催化剂，特别是在人工智能（AI）与我们的生活变得越来越紧密的时候。同时，2018年边缘架构的使用在增加，它能为无线网络云提供方案，通过虚拟网络软件池（pools of virtualized network software）支配多个无线电设备。此外，对蜂窝式网络构架和新的边缘网络构架的投资将会增加，软件和硬件堆栈方面也将持续改进。

目前国际标准组织3GPP已确认5G独立组网标准，完成第一阶段标准化工作，全球主要国家纷纷加快5G商用进程。

随着全球5G技术竞备赛开启，韩国于2018年冬奥期间展开5G商用试验，欧盟5G PPP(欧盟执行委员会和欧洲资通讯产业合作发展计划，主要在更新现有通讯基础建设，以兴建下一代网络服务，为区域提供超高速网络和高质量服务)于2018年启动5G技术试验，日本规划在2020年东京奥运会展示5G应用，并于2020年底前实现5G商用。

(一) 5G技术为行动终端带来设计挑战

5G技术特色为高频通讯、Massive MIMO与载波聚合等，当中要求射频部分需硬件支援，5G天线发展从被动式(Passive)到主动式(Active)，并与射频单元整合，从原先天线+射频单元的远端射频单元(RRU)，变成主动天线单元(AAU)，由于整体程度提升，这对行动终端来说将带来新的硬件设计挑战。

与4G不同，5G将与更多垂直产业连结，其中终端发展常具让用户买单和发挥临门一脚角色，2019年5G终端将以智能型手机扮演要角；其中5G网络技术包括网络切片、行动边缘计算、控制承载分离与网络功能重构等技术，针对无线传输关键技术，包括大规模天线、毫米波技术、新多址技术、载波聚合、高级编码技术与高密度网络等。

(二) 厂商积极投入5G技术研发，抢占5G商机

5G网络架构演进，在前传和回传等领域可拉动光通讯需求成长，另外在天线、滤波器、功率放大器与小基地台等商机提升，其中功率放大器在毫米波发展下，倾向采用GaN方案。在小基地台方面，由于5G通道数比现有4G增加1倍，功率亦会增加1倍，因此对小基地台需求亦大幅提升。

相比之下，中国和韩国率先采用5G。随着西欧落后，该地区预计将在2023年通过1亿个连接，相比之下，到2025年中国的连接数将达到10亿。

十三、测试测量

在《NI趋势展望报告2019》中，针对了5G、自动驾驶、物联网等领域进行新的一年大势预期分析。这些工程趋势正在打破传统行业和产品测试，带来了前所未有的复杂挑战。然而，这也极大地推动了创新，促使我们从根本上转变自动化测试和自动化测量方法，向“软件定义的系统”做出了关键的转变。

实现安全自动驾驶所需的权衡迫在眉睫——自动驾驶将产生重大的社会影响，但在高级驾驶辅助系统从单传感器到多传感器的转变过程中，在成本、技术和战略之间进行权衡已经迫在眉睫。紧跟标准化开发过程的趋势——测试工程师正在利用旧趋势来跟上快速现代化的测试环境。他们不仅需要标准化硬件和软件，还需要对测试架构的构建和维护过程进行标准化。借助物联网优化系统测试——物联网使得设备的复杂性不断增加，进而也增加了测试复杂性，但却可以大大提升自动化测试工作效率。多行业融合颠覆传统的测试策略——融合有望加速创新并提供前所未有的产品，同时也使测试变得日趋复杂。跨行业合作和学习为复杂的测试挑战提供有益的视角。

(一)  5G的无线测试

5G带来广阔前景的同时，也使得测试日益复杂化。必须开发新的技术来测试5G设备。需要成本更低的空口测试技术。

在通信发展史上，自蜂窝技术出现开始以来，测试工程师一直在使用一组公认的测量和技术，对从RF半导体到基站和移动手机等无线通信技术进行大量测试。但是对于5G，这些无线设备采用的技术将更加复杂，用于测试前几代设备且已经过高度优化的测试技术必须重新考量。为验证5G技术的性能，需要使用空口（over-the-air，OTA）方法而不是当前使用的线缆直连的方法来测试5G组件和设备。作为工程领导者，我们需要新的测试方法来确保5G产品和解决方案在许多行业和应用中的商业化可行性。

增加带宽

5G标准的主要目标之一是大幅提高数据容量，这是因为用户数据需求在持续不断地增长，但为了实现每用户10Gbps的目标峰值速率，需要引入新技术。首先，5G规范包括多用户MIMO（MU-MIMO）技术，该技术允许用户通过波束成形技术同时共享相同的频带，为每个用户建立唯一的集中无线连接。其次，5G标准增加了更多的无线频谱，扩展到了厘米和毫米波（mmWave）频率。

使用OTA解决新挑战

对于测试工程师而言，增加的频率范围、新的封装技术和更多的天线数量使其很难在维持高质量的同时，尽可能避免资本成本（测试设备的成本）和运营成本（测试每个设备的时间）的增加。新的OTA技术可以帮助解决这些问题，但同时也带来了挑战。

虽然这么说，但同时它也带来了许多好处。首先，OTA是AiP技术（封装天线）的唯一选择，因为天线阵列集成在封装内，无法通过导线直接连接阵列元件。即使测试工程师可以使用传导测试方法连接各个天线元件，他们也面临着选择并行测试（购买更多仪器带来的资本支出）还是连续测试（测试时间和吞吐量增加带来的运营成本）的困难。虽然许多技术问题仍有待解决，但OTA测试提供了将阵列作为一个系统而不是一组独立元件进行测试的可能性，这有望提供系统级测试的高效率。

过去，测试设备供应商和测试工程师已经遇到了在测试日益增加的性能和复杂性的同时，最大限度缩短产品上市时间和测试成本的挑战，而对于5G，他们仍面临着相同的挑战。尽管当今的5G测试挑战看起来很复杂，但世界各地的工程师们已经在开发新的测试仪器和方法，如OTA，这些都是5G成功进行商业部署所必需的。

(二) 智能汽车测试

对于汽车行业来看，没有一个很完整的自动驾驶汽车的探测感知方案，无论是用雷达、摄像头，还是激光雷达。测试系统是需要一种可兼容性的，而且可以适应未来扩展的一种方案。汽车厂家以往更专注于在一些机械性能或动力总成的一些性能的测试，但现在这些汽车厂家逐渐迈向到如何测试射频技能和雷达。一个测试方案还是基于原有封闭的环境测试我们的动力总成、台架和相关的测控机，这并不能够满足未来对于自动驾驶汽车的需求，因为自动驾驶汽车不仅会涉及到机械动力总成的问题，还有电池性能、网络连接能力等等，这些东西都会涵盖到NI的新的测试平台里面来，所以说汽车领域对测试系统的要求会更加开放和模块化。

(三)  借助物联网优化系统测试

IOT的特点给自动化测试带来启发，可以借助IOT优化测试系统。智能终端，工业物联网设备和系统正变得日益复杂，加剧了测试的复杂性。而物联网的互联性可以提高自动化测试系统的效率，将系统和数据管理，可视化分析及应用支持等功能优化自动测试流程，可以更好地管理测试系统，应对物联网的挑战。

(四) 产品开发过程将按照标准化进程衍变，软件是标准化的核心

早期的标准化主要集中在硬件抽象上，但现代技术则是建立在软件之上迭代式软件开发流程可以更快地为客户提供更好的产品。测试组织必须采用标准化的迭代式软件开发方法，以保持竞争力。的确如此，标准化一直是测试组织的理想目标。1961年，美国无线电公司（RCA）的D.B.Dobson和L.L.Wolff发表了《电子测试设备的标准化》（Standardization of Electronic Test Equipment.）。

(五)借助物联网优化系统测试

IOT的特点给自动化测试带来启发，可以借助IOT优化测试系统。智能终端，工业物联网设备和系统正变得日益复杂，加剧了测试的复杂性。而物联网的互联性可以提高自动化测试系统的效率，将系统和数据管理，可视化分析及应用支持等功能优化自动测试流程，可以更好地管理测试系统，应对物联网的挑战。

未来将有何令人瞠目结舌的科技IP出现，我们静候科技巨头的佳音。