AI一定会深度“威胁”物理层算法工程师的饭碗！

多年以前，通信算法工程师肯定是通信行业的香饽饽，大家都围绕他转，因为他出不来活，后面都会“没米下锅”。但现在不一样了，你不干，AI可以干（以前最多是帮你干），那怎么办？当时代抛弃你的时候，从来不会和你打招呼，那AI确实就是可以让时代抛弃你的一个工具，它可以替代你。当年上海交大的何教授告诉我，他们已经开始用卷积神经网络来进行编译码处理的时候，我还觉得画蛇添足，没想到过了几年，被笑话的人反而是我。

现在AI技术发展太快了，对通信物理层研究肯定会产生巨大冲击。在南京这样的二线城市，甚至很难看到此类岗位的招聘需求。最近一个多月，也关注了一线城市的岗位需求，发现也在逐渐变少。

最近在网上看了英伟达推出的Sionna这样的开源库的相关介绍，感觉“狼”来了！AI正在加速与通信技术的融合，这是一个深刻且多维度的变革。Sionna 的第一个版本发布于 2022年3月22日，是专为6G研究设计的GPU加速开源工具，支持物理层神经网络的集成与端到端通信系统模拟。那么AI对传统通信物理层研究及从业者会产生哪些影响？

1. AI重构通信物理层的研发模式

传统方法的局限性：传统通信物理层依赖数学建模（如信道编解码、调制解调、MIMO等），但在复杂信道环境（如高动态、太赫兹通信、大规模MIMO）下，精确建模和高效求解变得困难。我在公众 号写的基础知识文章会不会变的一文不值？比如下面这一篇！

通信原理与matlab仿真v3 第四章 BPSK调制解调器（1）

AI的补充与替代：AI（尤其是深度学习）能够从数据中学习信道特征，优化传统算法难以处理的环节，例如：信道估计与预测：AI可减少大规模MIMO的信道反馈开销，提升精度。

神经接收机设计：如Sionna支持端到端可微分的通信系统仿真，允许用神经网络替代传统解调、均衡等模块。

自适应编码调制：AI可动态调整参数以适应信道变化，提升频谱效率。

Sionna的推动作用：作为首个支持物理层AI原生设计的开源工具，Sionna降低了AI在通信研究中的门槛，使从业者能快速验证AI增强的通信算法。不过结合目前的形势来看，它还不能完成很多波形的定制要求，尤其是军工企业的特殊需求，比如抗干扰。

2. 对从业者的影响：机遇与挑战并存

技能需求变化：传统通信工程师需补充AI/ML知识，掌握如TensorFlow、PyTorch等框架，并理解如何将AI嵌入物理层设计。

AI研究人员需学习通信理论基础（如信息论、信号处理），否则可能设计出“黑箱”方案，缺乏可解释性。

研究重心转移：数据驱动与模型驱动结合：如中国移动提出的“双驱动”设计理念，需平衡AI的泛化性与传统通信理论的可靠性。

标准化与评估：物理层AI的评估准则（如性能、开销、泛化性）成为新研究方向。

职业机会分化：传统优化岗位可能减少：如手动设计编码、不同环境下设计传输体制的需求下降。AI通信交叉领域需求激增：如神经接收机开发、AI增强的6G空口设计等。

3. 行业生态的变革

工具链升级：Sionna等工具推动通信仿真从“离线建模”转向“数字孪生+实时优化”，例如：结合光线追踪生成特定场景的训练数据，提升AI模型的实用性。支持Open RAN等新型架构的AI集成测试。中国移动发布了《6G物理层AI白皮书》，英伟达与是德科技合作验证神经接收机，显示行业正形成“AI+通信”的协同创新网络。

标准化竞争：未来6G可能成为首个“AI原生”通信标准，物理层AI的专利布局（如中兴通讯已申请超5000件AI专利）将影响全球技术话语权。高校在这方面可以提前布局，毕竟涉及技术创新。对于高校而言，和AI融合的技术难度远小于产品研发，也可以找相关的通信企业进行合作。

4. 潜在风险与应对

技术风险：AI模型的泛化性不足可能导致实际部署性能下降（如训练数据与真实信道差异）。AI驱动的通信系统也可能面临错误引入（如引导码误判、信道识别错误等），需引入纠正措施和鲁棒性设计。本人认为在这方面AI还无法替代算法工程师的经验判断。

人才断层：传统通信理论与AI技能的融合需要时间，高校和企业需调整培养体系（如增设AI和通信相关的课程）。最近和几位搞通信的研究生闲聊就业的时候，大家都提到了AI的影响，在校期间导师已经提前开始布局学习相关内容了。与时俱进，这是科技工作者该有的特质！

AI对通信物理层的冲击并非“替代”，而是“增强”与“重构”。毕竟物理层面对的场景太多了，想靠某个工具就能解决这些场景所面临的问题还不现实，至少十年内肯定做不到。不过Sionna等工具的出现，标志着通信研究进入“可微分通信系统”时代，从业者要有跨学科思维。未来，成功者将是那些既能深入理解通信理论，又能驾驭AI的“通信-AI复合型人才”。写到这，我只能说未来对物理层算法工程师真的很不“友好”了！企业的目标永远是减员增效，电费和人工费用相比微不足道，那么AI自然会被用的越来越多，用的越多，智能程度就会不断进化，那么人员就会进一步裁剪，这是趋势，无法抵挡。

“通信+AI”的深度融合，让高校看到了人才培养方式上的变化！优秀的大学应着力培养具备创新能力的AI新时代人才，以适应未来社会的复杂挑战与机遇。学生毕业后，不仅具备驾驭AI的专业知识，同时掌握与AI协同进化的突破创新能力。期待那些顶级高校能够在“高等教育+通信+AI”领域持续前沿探索和积累宝贵经验，与社会分享，共同推进通信领域的科技发展。现在全国高校都在制定AI结合学科的新教学内容，这是趋势，但不能是一窝蜂。有能力有条件的高校肯定要跟进，没有能力的呢？请先学习跟随，不要硬上，不然学生学的也是“半生不熟”！

庆幸自己快退休了，应该不会等到它能够完全替代通信算法工程师的时候。说真的，等到退休的时候，家里能多个做家务的机器人（洗晾衣服、打扫卫生、烧饭做菜），我觉得未尝不可。期待科技进步带来更多的改变！