C114訊 5月30日消息（岳明）本周，“2025車載光通信產(chǎn)業(yè)發(fā)展論壇”在上海成功舉辦，活動匯聚了車載光通信領域的專家學者和上下游全產(chǎn)業(yè)鏈廠商，共同深入探討了車載光通信產(chǎn)業(yè)的標準體系、前沿技術、創(chuàng)新應用與未來發(fā)展戰(zhàn)略。
蘇州大學劉寧教授在期間發(fā)表了題為《車載光網(wǎng)絡的新架構與技術》的演講，并針對目前車載光網(wǎng)絡的需求、技術挑戰(zhàn)以及潛在解決方案進行了分享。作為國內(nèi)最早進行車載光通信研究的學者之一，劉寧教授團隊搭建了完備的光通信系統(tǒng)與硅光器件實驗環(huán)境平臺，并對面向未來L4/L5級自動駕駛所需的車載光網(wǎng)絡新架構進行了深入研究。
他分析稱，從需求方面來看，汽車智慧座艙需要更多的顯示屏，這些顯示屏的傳輸速率需求快速增長。同時，智能駕駛帶來傳感器的類型和數(shù)量大大增加，傳感器融合技術需要未壓縮的傳感器數(shù)據(jù)。自動駕駛級別的提升也在推動車載攝像頭像素升級，如特斯拉HW5計劃采用800萬像素，索尼1700萬像素攝像頭探測距離可達250米。高像素攝像頭可部分替代激光雷達功能，但需超高帶寬支持。通過將這些需求進行量化發(fā)現(xiàn)，全高清像素方案的帶寬可能突破200Gbps，這成為推動新架構的主要原因。
如今，汽車電子電氣架構（EEA）已從分布式架構向域集中式架構進行轉(zhuǎn)變，未來則將進一步朝著區(qū)域集中式架構升級遷移。區(qū)域集中式架構將會類似現(xiàn)在通信網(wǎng)絡一樣分為骨干網(wǎng)+接入網(wǎng)兩個部分，骨干網(wǎng)承載多攝像頭/屏幕的匯聚流量，傳統(tǒng)點對點線纜無法滿足這樣的超高帶寬需求。
傳統(tǒng)電纜如車載以太網(wǎng)最多只能支持10Gbps，屏蔽線纜存在彎折損壞和距離限制的問題。因此，光纖成為可行的替代方案，但車載環(huán)境相較于數(shù)據(jù)中心環(huán)境存在不同的挑戰(zhàn)——高溫（引擎艙可高達125℃）、振動、灰塵等。特別是激光器在高溫下可能失效，連接器的灰塵問題會導致信號衰減�，F(xiàn)有的IEEE 802.3cz標準支持50Gbps，面向未來L4/L5自動駕駛所需的更高帶寬是明顯不足的。
針對于此，劉寧教授團隊提出了兩種創(chuàng)新架構：一種是采用中央集中式處理架構，通過復用車載GPU算力替代專用DSP芯片，在接收端統(tǒng)一處理信號補償，采用NRZ+FTN技術，避免高成本PAM4調(diào)制，降低成本并利用現(xiàn)有算力；另一種是遠端集中式光源和硅光調(diào)制芯片搭配，將光源集中放置，激光器與調(diào)制器分離，激光器放在溫度可控區(qū)域（如駕駛艙），調(diào)制器靠近攝像頭，通過硅光技術實現(xiàn)高溫耐受。同時采用單模光纖加分光器結(jié)構，兼容點對多點拓撲，減少MPN噪聲，還支持激光器備份提高可靠性。據(jù)了解，劉寧教授團隊已在光通信領域頂級期刊Journal of Lightwave Technology針對前述創(chuàng)新架構進行了論文發(fā)表。
值得注意的是，劉寧教授在演講中給出了一組非常直觀且令人印象深刻的數(shù)據(jù)：相關光模塊市場規(guī)模增長預測，2020年至2025年期間，全球FTTx光模塊市場出貨量將從6289萬只增長到9208萬只；相比之下，潛在的汽車光模塊市場空間非常巨大，如今全球每年機動車產(chǎn)量近億臺，僅按4對光模塊/車進行計算，其規(guī)模已經(jīng)是FTTx市場的4倍。
“利用車載網(wǎng)絡上下行非對稱帶寬需求特性，采用中央節(jié)點集中信號處理可以使用低帶寬器件實現(xiàn)上行信號的高速傳輸，提高光器件可靠性�！眲幗淌谠趯ι鲜鰟�(chuàng)新架構進行分析時指出，“通過將光源拉遠到駕駛艙或電池處集中放置，區(qū)域節(jié)點引入硅光調(diào)制器，可提高寬溫域下的光器件可靠性。同時，復用400G數(shù)據(jù)中心光模塊中的硅光芯片產(chǎn)業(yè)鏈可以降低硅光器件成本�！�
最后，他強調(diào)，光纖不只是一個良好的通信的載體，同時也是一個分布式傳感的載體，因此未來可考慮將光通信和光纖傳感融合在一起。另一方面則是光無線通感的融合，也即復用激光雷達光源實現(xiàn)V2X光無線通信，補充射頻短板。此外還有車載網(wǎng)與車聯(lián)網(wǎng)的融合，車載網(wǎng)內(nèi)的信息提供給車聯(lián)網(wǎng)，車聯(lián)網(wǎng)指導車載網(wǎng)實現(xiàn)超視距信息輔助下的自動駕駛決策，提高道路安全和交通效率。
