最近一年，ChatGPT等大模型猶如熱浪鋪面而來，迅速爆火全球，掀起了人工智能應用的一波浪潮。另一方面，談起通信領域的電子測試測量，大家印象中似乎還是依賴傳統的人工經驗，基于各種儀表對性能指標進行分析，跟人工智能關聯不上。實際上在這個領域，也有不少的人工智能應用空間，接下來我們就跟大家聊一聊這方面的內容。

一 首先我們分析一下目前電子測試測量遇到的一些挑戰：

1、被測終端支持的協議越來越多

以華為的Mate60手機為例，需要支持4G，5G，藍牙，Wi-Fi, NFC，GPS/北斗通信,USB等多種協議。另外，隨著標準版本的迭代升級，協議也在持續更新，變得越來越復雜。在測試儀表（例如綜測儀）與被測終端的信令交互過程中，對于所出現的問題排查起來變得異常困難，經常需要工程師對龐大的日志進行分析，定位問題。

2、協議標準復雜，難以理解

3GPP的無線協議非常復雜，涉及大量的技術原理。很多時候為了弄明白一個小的技術問題，工程師需要長時間地查閱規范和相關書籍，耗時耗力。

3、被測終端自身的人工智能應用尚無測試規范和體系

隨著半導體技術的發展，終端的數據處理能力越來越強，具備了人工智能(AI)應用的基礎。但是關于AI算法或者模塊，如何驗證其性能，目前業內還在探索，尚無相關的測試規范和體系可以參考。

4、測試儀表軟硬件架構的改動

人工智能可以輔助儀表提升算法性能或者增強測試指標，但同時也對儀表的軟硬件架構帶來了挑戰，需要專門的算力資源或者軟件運行環境支持人工智能的應用

5、測試方法和測試環境的創新

以無線信道測量為例，搭建測試環境和遍歷測試用例并非易事。如果可以利用數字孿生等技術對信道進行預測，基于數字化的平臺產生信道數據，可以提高測試效率，產生更多的所需數據，有利于后期的仿真評估和分析。

以上的這些挑戰，或多或少都跟AI有關。需要充分考慮AI的特點，針對不同的需求，對傳統的電子測試測量方法進行相應的變革。

二 以下是潛在的應對方法或者應用領域：

1、制定通信人工智能的測試規范和體系

通信人工智能的測試規范和體系還在制定中。例如3GPP RAN4正在討論如何測試AI的核心功能：推理、生命周期管理流程、數據生成和收集以及泛化驗證等，其核心要求包括性能監控流程、功能/模型管理流程，以及相應的延遲和中斷等。可以預計，隨著標準化的進展，最終會定義出類似圖1的參考架構。需要針對測試儀表開發出AI的相關模塊和交互信令。

圖1 測試AI的參考架構

2、利用AI高效地分析測試日志以及快速定位問題

AI可以輔助測試儀表或者研發人員對測試日志進行分析。需要在傳統的日志分析軟件中集成AI的能力，對測試過程中的問題進行快速定位和反饋。

3、輔助工程師解析協議的智能助手

可以用標準/協議為原始數據對人工智能模型進行訓練，生成輔助工程師解析協議的智能助手。該助手可以對工程師在協議上的疑問進行快速精確的答復，加快問題的定位，輔助測試。

4、提升儀表本身的軟硬件能力

需要升級儀表本身支持人工智能的軟硬件能力，提升儀表的測試性能。對于模型比較復雜、需要強大算力環境的AI應用，可以將數據傳到云端進行推理，返回推理結果。這就需要儀表或者后臺分析軟件支持和云端的遠程交互能力，利用云端的環境對數據進行分析。

5、構建測試儀表的數字孿生環境

基于物理的儀表測試環境，構建數字孿生環境，兩者進行交互和參數匹配，讓數字孿生的測試環境盡可能的模擬物理測試環境。

關于人工智能的這些應對方法，業內還處于摸索的階段。羅德與施瓦茨和業內合作伙伴一起，努力探索各種人工智能的應用，在這些平臺中，將傳統的射頻儀表（例如信號源和頻譜儀）和人工智能軟件相結合，用于驗證人工智能對傳統通信算法的性能提升。相信在不久的將來，在電子測試測量領域大家可以看到越來越多的人工智能應用，讓我們拭目以待。