清晨走向停車場,車門在你靠近時自動解鎖;坐進去,座椅加熱隨即啟動——整個過程甚至無需拿出手機,這并非科幻片里的橋段,而是UWB(超寬帶)技術正在悄悄重塑的現(xiàn)實。
最初,UWB技術主要服務于工業(yè)場景,比如在煤礦中追蹤工人位置以保障安全,那時UWB的價值并未被廣泛認知。直到今天,隨著手機、汽車等設備對位置信息的需求愈發(fā)強烈,UWB才真正迎來了爆發(fā)時刻。
“越來越多的廠家認識到了位置信息的價值。”Qorvo資深市場經(jīng)理俞詩鯤敏銳地捕捉到了這一變化,他解釋道,“無論是Wi-Fi、藍牙,或是Zigbee、Matter,現(xiàn)有短距離無線實現(xiàn)的都是數(shù)據(jù)傳輸,唯有UWB是提供精確位置信息的技術,這對未來是極具價值的。”
市場覺醒:位置信息的價值正被重新認識
UWB技術邁入市場加速期其實并非偶然,而是在關鍵節(jié)點的推動下,形成的一股不可逆轉的洪流。
蘋果是早期推動UWB應用的廠商之一。2019年,iPhone 11首次內置U1芯片,通過UWB實現(xiàn)設備間厘米級精確定位。2021年,蘋果將其應用于AirTag,解決了物品追蹤場景下的定位痛點。這無疑是UWB走向主流的關鍵號角,很快安卓陣營也緊隨其后,多家手機制造商集成了UWB技術。
“UWB在手機中的滲透率會逐步提高,最終成為像藍牙和Wi-Fi一樣的標配,這是可以預見的。”俞詩鯤說。不僅如此,這預示著一個龐大的新生態(tài)即將被激活:當所有手機都能成為UWB的錨點,將會有更大量級的連接外設加入到這個生態(tài)中。
俞詩鯤將UWB市場劃分為四大平行發(fā)展的領域,除了發(fā)展最快的手機市場,還有汽車、消費、工業(yè)市場。
在汽車市場,UWB以精確定位和高安全特性成為數(shù)字車鑰匙的核心技術,讓“靠近即解鎖,坐入即啟動”的體驗從科幻變?yōu)楝F(xiàn)實。目前,國內外頭部車廠均有成熟產(chǎn)品落地或在研項目進行。
在消費市場,基于UWB的無感進入(“Hands Free”access)技術正成為一個明確趨勢,智能門鎖或成為最先落地的場景。
工業(yè)是UWB的傳統(tǒng)優(yōu)勢領域,正處于穩(wěn)步擴大時期。除了在傳統(tǒng)工業(yè)領域的深耕,UWB技術在機器人場景中也正展現(xiàn)出強大的潛力,特別是在自動跟隨、編隊協(xié)作和產(chǎn)線協(xié)同等方面提供了前所未有的支持。
首先,在自動跟隨場景中,UWB可通過高精度的測距與測角能力,使人形或移動機器人能夠始終保持在用戶身旁,實現(xiàn)“如影隨形”的效果。這一應用已在服務型機器人中初現(xiàn)雛形,適用于智慧醫(yī)療、商場導引、家庭陪伴等場景,增強了人機交互的自然性與便捷性。
其次,在機器人編隊方面,UWB所提供的低延遲、高精度定位能力,為多機器人協(xié)同提供了基礎條件。盡管當前仍處于技術探索階段,但未來通過UWB技術有望實現(xiàn)機器人矩陣式管理,提升復雜任務中的空間協(xié)調能力,廣泛適用于倉儲、安防、應急救援等高需求領域。
第三,在工業(yè)產(chǎn)線機器人方面,UWB技術的應用已初具規(guī)模。通過使用雙向測距、到達時間差(TDOA)和到達相位差(PDoA)等技術手段,實現(xiàn)了厘米級的定位精度,使機器人即便在充滿障礙物的復雜環(huán)境中,也能精準識別自身和周邊設備的位置,從而實現(xiàn)高效物料搬運與路徑規(guī)劃。目前,這種應用主要集中在物資追蹤和位置感知層面,但隨著UWB技術在實時性、可靠性、抗干擾性等方面的持續(xù)提升,未來將有望推動機器人之間的高精度協(xié)同作業(yè),例如多機械臂同時參與的柔性裝配線、精密對接等高級制造場景。
此外,2024年全球三大路由器制造商在Wi-Fi 7企業(yè)級AP中集成了UWB功能,這意味著UWB的基礎設施將隨AP的部署自然落地,解決了UWB網(wǎng)絡建設成本高的核心痛點,有望加速UWB在工業(yè)領域的大規(guī)模普及。
然而,UWB的核心價值遠不止于“精準的定位”。俞詩鯤強調,它的獨特優(yōu)勢是其與生俱來的高安全性。“這種安全性源于物理層,通過發(fā)送內含位置和時間信息的脈沖波,使其很難被攻擊,這是其他技術無法復刻的。”正是這種物理層面的安全保障,才讓無感支付、數(shù)字車鑰匙等對安全要求極高的應用成為可能。
此外,UWB技術還可用于雷達應用,通過UWB芯片發(fā)射與檢測反射信號,還原被測物體信息,甚至能夠實現(xiàn)精確監(jiān)測呼吸和心跳等生理特征。該技術已在汽車行業(yè)實現(xiàn)應用,用于檢測車內是否遺留兒童或寵物。
10年3代,Qorvo的UWB“密鑰”
Qorvo在UWB領域的十年投入,見證了這項技術發(fā)展的全過程。從2014年DW1000系列,到2019年DW3000和QM33系列,再到2025年推出首款全集成低功耗UWB SoC——QM35825,十年間,Qorvo的UWB芯片產(chǎn)品線發(fā)展了三代。并且數(shù)據(jù)顯示,前兩代產(chǎn)品均已實現(xiàn)千萬量級的芯片出貨和百萬量級的模組出貨。
最新的QM35825則更進一層樓。這款“三合一”SoC(片上系統(tǒng)),集成了UWB收發(fā)器、MCU和前端模塊。“原來需要三顆芯片才能完成的設計,現(xiàn)在通過這一顆芯片就能搞定。”俞詩鯤說。這無疑極大程度簡化了客戶的應用設計,降低了開發(fā)門檻。
同時,QM35825在性能上實現(xiàn)了大幅提升:射頻鏈路預算最高可達104dB,測距精度可達5厘米,測角精度可達2度,相較于前代產(chǎn)品精度提升了一倍。這些技術參數(shù),為更豐富的UWB應用場景提供了堅實支撐也因此——從雷達、大型倉儲到機器狗的跟隨,UWB的潛力將被充分釋放。
當然,僅有出色的芯片是不夠的,Qorvo的策略是構建完整的UWB生態(tài)服務體系:除了提供芯片產(chǎn)品,還有經(jīng)過認證的UWB模組和靈活的軟件開發(fā)包,以及獨家定制化服務。這在UWB廠商中頗具特色,體現(xiàn)了其對客戶需求的深度響應。另外,通過“合作伙伴計劃”匯聚應用、算法等領域專家,為客戶提供系統(tǒng)級的解決方案。
助攻Matter,打破連接壁壘
如果說UWB解決的是“在哪里”的問題,那么Matter要解決的就是“怎么連”的問題。Matter標準的誕生,旨在解決智能家居市場中不同廠商設備無法互通的痛點,讓終端用戶能夠簡單便捷地使用來自不同品牌的智能家居設備,無需關心底層協(xié)議的復雜性,從而實現(xiàn)設備的“無縫互聯(lián)、易用、高安全性”。
目前,它已被蘋果、三星、Google等主流生態(tài)系統(tǒng)廣泛接納,被視為智能家居領域的“統(tǒng)一度量衡”。
但現(xiàn)實往往比理想復雜,對于設備廠商來說,如何在支持Matter的同時兼容現(xiàn)有老舊設備,成為推動Matter普及最大的技術挑戰(zhàn)。Qorvo獨有的“多連接”(ConcurrentConnect)技術,通過硬件層面的多射頻、多通道,以及天線分集和Wi-Fi共存控制等優(yōu)化,能夠確保產(chǎn)品實現(xiàn)向后兼容和向前兼容。
QPG6200是Qorvo交出的答卷。近日,Qorvo宣布拓展QPG6200產(chǎn)品組合,推出三款全新Matter系統(tǒng)級芯片,它們采用“多連接”技術,能夠同時在不同信道上支持BLE、Thread、Matter等多種連接協(xié)議,兼容舊有Zigbee/Thread網(wǎng)絡,具備MAC層獨立信道管理能力,避免沖突與丟包。值得一提的是,QPG6200系列是Qorvo首款專為能量收集系統(tǒng)優(yōu)化的超低功耗Matter SoC,通過與能量收集PMIC的深度協(xié)同,為智能家居設備開啟無電池時代。
針對不同應用場景的需求,QPG6200產(chǎn)品組合提供了四種型號的精準選型。俞詩鯤表示,這四款芯片分別以J、L、M、N來結尾。主要差異一個是最大發(fā)射功率,另一個是封裝。小封裝的QPG6200J和QPG6200L適合做燈泡、傳感器、開關等簡單設備,大封裝的QPG6200M和QPG6200N可以用于網(wǎng)關或者路由器。發(fā)射功耗的差異也對應不同場景,比如低發(fā)射功率的QPG6200L和QPG6200N比較適合對功率上限有一定限制的場所。
俞詩鯤表示,“通過這四款產(chǎn)品的不同組合,我們已經(jīng)能夠覆蓋幾乎所有Matter市場。”
UWB和Matter,一個提供精準的空間感知,一個提供無縫的設備連接,有趣的是,現(xiàn)在越來越多的場景需要將這兩種技術結合。俞詩鯤舉例道:“智能門鎖是一個典型的場景,因為它同時支持用Matter的協(xié)議數(shù)據(jù)開門和用UWB的無感接觸開門。”今年3月,Qorvo與Nordic推出的針對Aliro和Matter的參考應用,正是這種融合思路的體現(xiàn)。
遠望未來
站在今天的時間節(jié)點遠望,俞詩鯤深知技術仍有巨大的演進空間。未來UWB的精度還可以持續(xù)提高,從厘米級向毫米級邁進,滿足自動化產(chǎn)線等高精度要求。測距的實時性和距離范圍也將繼續(xù)突破,在現(xiàn)有規(guī)范下實現(xiàn)更遠距離的測距。
而對于Matter標準,俞詩鯤認為最重要的發(fā)展方向是擴大兼容性,將更多生態(tài)納入進來,持續(xù)增加產(chǎn)品品類。
技術必將隨著時間的推移而演進,但技術的意義最終還是將回歸人的體驗。當我們不再需要記住家里有多少個APP,不再擔心設備之間的兼容,不再為了開門而掏出鑰匙——這些看似微小的改變,累積起來就是生活方式的革命。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。