跟着AI学通信系列很快就来啦！

进入AI时代，通信工程的学生在学习层面上会不会面临较大的变化？是的，很多知识有了AI支持，学起来很快，但要搞懂背后涉及的原理，那么要下很多的功夫。唯有这样，才能扩大AI的应用范围和使用深度。

AI自身也在学习，对于没有接触过的知识，AI是如何学习的呢？这个系列会完完整整的展示我“刺 激”它的过程，一年前ChatGPT还被困在锁相环里，不知现在的Kimi会有怎样的表现？这反而衬托了AI时代文章传播经验的价值。之前公众 号的文章还有没有价值了呢？有的，因为很多知识依靠AI学会之后其实还处于非常浅显的层面，如果此时看了有专业深度的文章可以帮助和提升理解，那么学习效果肯定是成倍增长。

对于本科生的毕业设计，AI 的指导作用非常明显。如果同学们能够跟着 AI 的讲解步伐举一反三地学，那么 AI 替代老师是分分钟可以实现的。在很多本科院校，对于工科这个专业，很多老师的工程经验确实没有 AI 丰富，而 AI 不如人类的地方现在首先体现在经验的传承上面。因此我建议大部分本科生的毕业设计可以跟着 AI 的脚步来走，这也是我为什么要写这个系列文章的原因。至于怎么走？走的过程中怎样夯实自己的脚步，我会在文章里面详细地讲解，这也恰恰是这个系列文章能够带给大家最有用的地方。而启发性的思考是目前 AI 所欠缺的地方，这还是需要我们这些真人来给大家做些指引。我如何提问题，看我如何改AI给出的代码，应该是现在大家最需要的。

很多同学问我：现在AI写MATLAB脚本、推导公式比人手快多了，还有必要抱着公众 号里那些动辄几千字的通信老文章啃吗？我的回答是：AI是你雇的“24小时助教”，而像《通信工程师专辑》公 众号里面沉淀下来的专业文章，是你请不起的“十年经验工程师师傅”，两者提供的不是一个维度的营养。

最大的差异在于知识的“上下文厚度”。你让AI讲RRC根升余弦滤波，它能三秒给你一段完美代码，滚降因子设0.3还是0.5注释得清清楚楚，甚至还能给你画频谱图。但AI不会告诉你：为什么现网里0.35是“黄金值”？为什么有些项目用了RRC还是因为带外泄漏被运营商罚钱？而在公众 号的深度拆解文里，作者会把多径时延、邻道干扰、甚至当年TD-SCDMA时隙设计的坑点一层层剥开——AI给的是“数学上的对”，文章给的是“系统上的活”。本科生做毕设最容易犯的错，就是拿着AI给的“仿真正确”当“工程正确”，答辩时老师一句“你这帧结构在高铁多普勒频移下扛得住吗”，当场就哑火。

其次是“踩坑路径”的不可见性。AI生成代码是结果导向的，它把中间试错全剪了。比如AI给的LDPC译码代码，大概率直接调分层译码函数，跑得飞快。但通信工程师的文章里，你常能看到作者贴出自己改烂的初版：哪里数组越界了、哪里量化位宽设高了FPGA资源爆表、为什么校验矩阵要用近似下三角而不是标准PEG、为什么MATLAB里要避开for循环做矢量化。这些“我当初为什么没这么写”的纠结，恰恰是AI学不会、也讲不出的隐性经验。你跟着文章看我怎么把AI给的浮点C代码改成定点风格，看我怎么为了降PAPR硬生生把成形滤波重写了一遍——这比单纯让AI“帮我优化下代码”学到的底层逻辑多十倍。

最后是提问维度的差距。现在AI的短板不是知识量，是“启发性的刁钻”。你对着AI问“怎么入门锁相环”，它列个标准大纲；但在专业文章里，我会反过来问你：“如果环路带宽设成符号率的1/10，冷启动时的VCO控制电压会怎么抖，抖多长时间，抖动范围？为什么GPS接收机要用二阶环而不是三阶？”——这种带着硬件知识和工程场景的反问，才是逼你举一反三的真正引导和有效学习。

最后在这里给出我的建议：本科毕设，先用AI把门敲开（搭框架、查公式、跑通第一版BPSK/QPSK仿真），再用公 众号文章把地基夯实（对照专题文里的工程约束去挑AI的刺，改参数、加保护间隔、做误码率边际测试）。AI负责让你“动起来”，而老文章负责让你“立得住”。这个系列，就是想站在AI的肩膀上，把那层看似很厚的仿真皮剥开，带你摸到通信里的本质。毕竟，能被AI替代的是码农，不会被替代的，永远是那个懂原理、会提问、能拍板定方案的通信工程师。

如果读到了研究生阶段呢？赶紧把专题书籍和论文先学起来，然后进入实战环节，也要结合AI实习快速成长。最近就安排两位研究生每天坚持看书，写读书笔记，以后会在公 众号公布，涉及卫星导航方面的知识，感兴趣的可以跟着学。