1037
2024上海世界移动通信大会期间，得翼通信以射频领域新锐之姿，正式发布了全球首款RPU（Radio Processing Unit）射频增强处理器和解决方案。得翼通信的创始人兼CEO王子明博士在接受采访时表示，一切源于5年前那个让自己夜不能寐的想法，与在通信行业同一家公司做了快30年的首席科学家同事深谈后两人一拍即合，决定共同离职创业，做射频领域的突破性创新。这期间，AI大火，射频系统作为连接用户和云端算力的入口，其价值更加显著，市场需求也更加迫切。5年来不停歇的奔跑，今天按照当初想法的第一代产品呱呱坠地，就像得翼通信的名字一样，以“用数字造射频”的创新理念，采用先进的AI架构，搭载数模混合预失真算法，将为射频插上翅膀，为客户创造价值，为消费者解决难题。
AI时代射频大有可为
过去2年，无论是投资界、还是产业界，最火的话题莫过于AI了。各种大模型赋能行业，提高生产力，无论是应用还是终端，AI大模型引发的能力升级，给与了市场各方无穷的想象，其意义和价值无需赘述。就像爱迪生100多年前发明灯泡那样，当“信息“的处理、传递与使用这三个能力相辅相成，实现了”火车替代了马车”的跨越式升级，就会产生巨大的能量，大到能够改写社会的组织形态和发展效率，推动人类社会从一个时代步入下一个时代。
爱迪生发明了灯泡，不因为他是一个材料科学家，而是因为发电站和电网已经初具雏形。他知道只需要灯泡这个消耗电的杀手级应用落地，电力的时代就到来了，越来越多的电器产品也将会接踵而至。在信息时代，智能手机就是这个灯泡，无线信号的传输就是电网。越来越多的APP接踵而至，直播、短视频、游戏、线上会议等等这些应用需要越来越多且越来越稳定的无线信号。
AI时代飞速到来，有产业界资深人士说AI的发展会分为三个阶段。
- 第一阶段：2021年之前，这时AI不是独立存在的，更多时候只是业务和产品中的某个环节。
- 第二阶段：AI开始具备通用能力，可以解决一些大众化的问题。这时AI可以独立驱动一些产品存在，我们现在就处在这个阶段。
- 第三阶段：AI的能力稳定的大于普遍的个体，AI嵌套应用，AI智能驱动用户的在线时长必然会大于传统产品。
在第三个阶段，AI的应用将不再只是文字输入、文字输出的交互形式，大量的实时视频、音频、三维交互的新AI线上应用，比如数字人、机器人助理，都会落地到家庭、行业和新型终端中。今天，云端（数据中心）已经累积了非常大量的计算算力，在未来的AI应用驱动下，本地终端的算力不足，端云协同是必然。当大量的实时数据要在数据中心和家庭路由器/网关、终端之间进行交互，AI应用将会是最大的信息数据消耗者，局域或者近场对于无线连接能力需求猛增。无线连接作为AI时代的电力线，作为连接物理世界和数字世界的入口，会扮演着比短视频时代更加重要的角色，也将是重要的基础设施。其中，终端和网络设备的射频系统性能对于用户使用业务时的速率和覆盖体验的影响凸显，传统通过材料和工艺提升性能的方式趋于物理极限，如何满足需求将会是全行业面临的全球性难题，也是一个关键的瓶颈。
五年前那个夜不能寐的想法本质就是下面这张简单的不能再简单的图，如何在射频领域，尤其是消费电子领域做到更宽的带宽、更大的功率和更高的效率，打破这三个在物理上两两矛盾的限制，做到既要又要还要，解决上述的全球性难题。
通信需求与射频性能的剪刀差
从有想法到真正找到落地点并形成产品的难度远远超出想象，也深深理解了那句中国的古话，行百里半九十，更何况不止百里，还要千里。5年磨一剑，RPU的推出，承载着得翼通信的思考和当前在Wi-Fi领域迈出的第一步。
用户无感知的连接是最好的连接
首先，请大家回顾一下自己使用的电子产品，是否还记得上一次你使用不同品牌和配置的手机、笔记本和Pad出现过因CPU引起的卡顿是什么时候？你是否还在意笔记本的CPU速率或者内核数量？手机还跑分吗？今天，您手机或者笔记本遇到的卡顿基本都来自于无线连接的卡顿。没有好用的网络连接，再高配置的终端也都变成了砖头。
那么今天大家的网络连接体验好吗？
在一次行业大会上看到一个有意思的统计，中国的4G、5G网络全球第一，光纤入户比例95%世界第一，但是老百姓对家庭Wi-Fi网络质量的不满意度却快速上升，尤其今天当用户在家上网不再只是简单的浏览网页，而是观看短视频、看直播、打游戏、用微信视频或者腾讯会议这些对网络非常敏感的应用，以及小红书这类要加载大量高清图片的应用。
用户对网络的不满意是因为中国路由器允许的输出功率低于欧美吗？2021年中国无线电管理委员会已经把5.8G的全向功率限制提高到和美国FCC同样的33dBm（2瓦），情况依然不容乐观。其实，欧美的家庭也同样面临着室内路由器网络覆盖的难题。根据美国一个调查，65%-70%的受访者表示他们需要尝试优化路由器的位置，18%的受访者极度不满现在的Wi-Fi状况，即使Wi-Fi 6的引入也没有带来改善。
回想起一开始提到的，当用户已经忘记了手机、电脑和平板的CPU配置，也忽略了它的存在是件多么幸福的事！忘记它，无感知的供给才是最好的。那么网络连接能不能也像是CPU一样，性能足够冗余到让用户也忘记网络的存在，不用劳神费力的折腾路由器的摆放位置、纠结各种组网方案和穿墙王 ？用户就简简单单的买台设备，插上电就能好好上个网。这个朴素的需求背后和现有能力之间的差距今天到底有多大？
不同公司对这个问题的定义和目标是不同的，得翼定义要解决的问题是“实现射频性能10倍于现有能力”，让用户无感知的连接是最好的连接。CPU行业的发展吸引了无数的资源才走到今天，射频行业要实现这点，难吗？
把再多的马车连在一起也得不到一辆火车
要做到10倍的能力，大多数人的第一反应就是“多”，多台、多天线、多通道……通过垒资源来实现。
确实，今天行业共识是一台路由器的覆盖能力是有限的，扩大用户可感知高速率的覆盖范围需要更多的设备或资源来实现，同时行业也认同这种“多“会带来其它的诸如管理、切换和干扰等副作用。
如果不想用多台，单台路由器上引入国际头部大厂的元器件可以提高10倍性能吗？先说答案，不能！ 首先，我们先来界定下覆盖问题的来源。Wi-Fi信号不稳定，有死角，是宽带套餐的入户网速不够快吗？是路由器基带芯片处理能力不够强大吗？今天一台150块钱AX3000的WiFi6路由器，已经能够支持3000MHz的吞吐率、带128个连接终端，几十个设备同时使用。对于家庭使用场景，接入带宽和用户管理能力已经绰绰有余。在一个通信系统中，覆盖主要是由射频系统决定的，那用户体验不好是因为发射功率的限制吗？EIRP-33dBm（2瓦）的法规许可其实是挺高的。性能瓶颈的根源其实来自射频系统本身的特点，在今天传统材料和工艺的情况下，射频功率放大器在Wi-Fi6的高速传输下（MCS11），即使射频高端产品线的全球头部大厂也只做到输出100mW的功率。
那么加钱垒料可以吗？加钱也没用！加钱都不行那这事就很有意思了。
这事要回到射频系统的本源。对讲机轻轻松松发射几W的功率，因为带宽和频点都很低，只需要传小数据量的语音就行。而Wi-Fi路由器如果要发射大带宽，数据功率就上不去，穿个墙很费劲。射频系统功放（PA）器件要追求性能，一般都要使用GaAs或者GaN这种化合物。现在最新的iPhone手机里的射频PA都是GaAs材料的，而诺基亚的2G手机也是使用GaAs，二十年了还没升级。5G宏基站为了对抗高频、高带宽、高耗电的特点开始第一次使用GaN材料。什么时候能在路由器或者手机上使用高压、高失真的GaN，单靠材料升级导入设备可能还需要10年？
射频世界发展之缓慢常常被我们忽略，它其实远远低于数字世界遵循的摩尔定律，但用户和应用对通信吞吐和带宽发展的需求是飞速的，5年50倍不为过，这之间就是越来越大的鸿沟。就像我们今天已经遇到的，数字基带芯片的极速吞吐能力越来越强大，Wi-Fi7处理能力已经接近10Gbps了，但是射频主导的覆盖能力方面，我们感受到的却是越来越多的卡顿和不稳定，沿着当前路线这个趋势，情况还会不断恶化！
让用户忘记无线连接的存在，需要10倍的射频性能提高，而靠更多的马车连在一起也得不到一辆火车的性能，且代价巨大。行业需要新思路。
怎么得到10倍提升的火车性能？
得翼提出的办法是采用数字补偿的方案，也就是功放线性化技术，学术上叫做预失真。可以用眼镜的原理来解释预失真技术。功率放大器就像是一个“视力不佳”的设备，它在放大信号的过程中会产生失真，如同光线没有正确聚焦一样，看的越远就越不清楚。预失真技术就像是为功率放大器量身定做的“眼镜”。通过在信号进入功率放大器之前对其进行预处理，提前添加一定量的反向失真（因此被称为“预失真”），通过负负得正的原理，以抵消功率放大器在放大过程中产生的非线性失真。最终，眼睛不好靠眼镜来精准调节，随着环境条件的变化，眼睛的视力是不断变化的，因此眼镜度数也得快速调整（被称为收敛）。
眼镜不仅性能要好，看近处像有了个显微镜能省眼力（省电），看远处像带了个望远镜看的既远又清楚（大功率），还要做到Wi-Fi和手机等消费电子都能用的起。得翼率先定义并推出了独立于基带和FEM（Wi-Fi功放的模快）芯片的RPU（Radio Processing Unit）射频增强处理器，RPU包含了预失真、数字削峰、滤波器、IQ矫正、功放保护等一众的数字处理功能，同时还支持模拟输入、模拟输出，不会被基带协议限制，核心功能是负责射频链路和FEM的一系列补偿和线性化。
当使用的时候，RPU和基带芯片解耦，可以独立外挂在基带芯片外。RPU和基带芯片的关系就像GPU显卡和CPU的关系。CPU影响用户计算工作任务的响应速度，GPU负责提高显示工作的处理能力，计算工作和显示工作是相互独立的需求。如果需要更快的计算，不关注高清电影和复杂游戏，可以买更贵的CPU，使用CPU内置显卡。如果需要高清娱乐和顺畅游戏，就买独立的GPU。有的电脑只需要内置显卡，有的电脑预算则主要分配于外置显卡，这是两种不同的用户需求。
同理，如果通信产品需要更大的吞吐性能或者支持更多的实时宽带用户，基带能力更重要，可以使用内置FEM或者传统外置线性FEM。如果通信产品关心每个位置的信号质量和网速，或者需要保证高速率下尽可能远的覆盖范围，则可以使用外挂RPU+非线性FEM的方式。
做这事有多难，和大厂的区别？
2024年初，海外大厂Wi-Fi7的基带芯片里面也宣称自带数字预失真DPD功能，支持非线性FEM，这是好事，说明大家的技术方向是相似的。那么和大厂相比，得翼研发的RPU和基带内部自带DPD有什么区别呢？
简单说，两者关注的焦点不一样，因此定位解决的问题也不同。
首先，RPU包含的不止是预失真算法，还拥有宏基站里面常用的全套补偿系统，包括CFR削峰、宽带均衡器、闭环功率控制、IQ不平衡矫正等一系列的数字补偿算法，算法深度和性能的目标不同。
其次，得翼的焦点在于在尽可能小的芯片面积下实现极致的预失真矫正能力。发布的RPU芯片虽然面积小，但是能够支持市面上主流直放站和宏基站用的大功率GaN Doherty PA。在客户的60W 100MHz GaN PA下能够达到主流宏基站商用DPD的矫正能力。因此RPU类似于外置显卡的性能一样，代表着时下射频矫正能力的天花板，可以用在大部分宏基站中，但同时也是普通家用通信产品用的上、用的起的。对应于Wi-Fi产品，得翼最新发布搭载了RPU的模组方案，配合非线性FEM在5GHz-6GHz频段、MCS11速率下，完成了500mW和1W待量产方案，以及3W的实验室数据。而目前采用基带自带DPD配合非线性FEM的方案，高网速下的输出功率还维持在100mW左右。就像开篇提到的，不同厂家对于射频系统需要解决的问题定位不同，根据我们的用户调研，用户并不关心一台设备多出来的几百毫瓦的FEM耗电，而更关心设备的高速覆盖能力。但是既大幅提高效率，又大幅提高发射功率，又在高频5GHz以上，这需要配合非线性很强的FEM，以及极强的线性化矫正能力。这也是外挂RPU芯片的意义，即追求最大限度地解决用户在射频性能上的痛点。
第三，RPU芯片支持模拟信号输入、模拟信号输出，可以跟基带芯片解耦。方案商和整机厂商可以根据需求来选择是否使用外挂RPU的方式来增强射频功率，或者使用哪种基带芯片配合。就像电脑用户可以选择外挂GPU显卡一样。
RPU芯片和面向路由器的模组
高性能RPU芯片能给WiFi射频领域带来哪些变化？
对于这样的一个打破射频天花板的外挂RPU，具体到它能为行业带来怎样的变化，我们可以总结为如下几点，希望可以有机会和更多的同行交流实践：
- 突破射频性能的约束三角，实现既高吞吐、又高功率、还高效率。
- 实时闭环校准PA各类失真。RPU内置强大的数字处理能力保证PA的良率。过去，线性PA的线性度、功率和效率主要由PA自身的设计和工艺来保证，兼顾性能难，获得更高的性能要保证良率更难。RPU方案不要求PA的初始线性，只关注饱和功率。和传统的线性FEM相比，可以明显降低对PA的要求。
- 抗老化和一致性补偿。在高低温下，保证FEM的吞吐和功率不变。由于Wi-Fi设备常年不掉电持续工作，电容电阻值变化会导致阻抗匹配漂移，功放管内部老化等，造成覆盖能力不断恶化。RPU方案支持实时闭环校准，可以修正老化带来的问题，保证长期使用下功率的稳定。
- 大幅抑制带外泄露。RPU不只矫正带内EVM失真，还会大幅抑制带外泄露，不止本设备性能好，还降低对邻居/无人机等多台设备间的相互干扰。
- 家庭场景高速覆盖能力增强。一台具备射频增强能力的路由器设备可以轻松实现全屋信号满格，体验升格，满足大部分家庭用户和户型需求，化繁为简。
时下，人们都在谈论芯片行业的长期高投入和资本寒冬下的割裂，面对射频行业的同质化和无限内卷，创新确实是一件非常不容易的事。得翼选择了这条“用数字造射频”的崭新之路。RPU的定义和发布，希望能够给行业通信产品和家庭通信产品的研发带来一些新的思考。比如当前，单台设备提供更大的高速信号覆盖范围，网桥类产品支持更高的传输速度和更长的传输距离，增大PA功率降低天线增益来节省昂贵沉重的定向天线，再比如无人机高密度自组网，工业WiFi能够做到5-10年稳定功率输出不掉速，工厂高密度组网场景互不干扰等等。在未来，AI首先会落地家庭场景和移动终端场景，作为室内永不断电的设备- Wi-Fi路由器和一直随身携带的手机终端，都会承载着巨量的数据交互任务。能否省电、大吞吐、不断线的交互数据，也将是AI时代端云协同，用户连接云端算力的重要基础。更多的场景和应用还需要接下来一步一个脚印去落实。
量变不引起质变，创新难但能推动行业长期发展才有意义。在中国通信行业的创新之路上，希望能够有机会同广大射频PA/FEM公司、整机方案公司一起合作，大家一起做用户需要的好产品。
下载ECAD模型
