“去华尔街做金融 IT，是当时很多计算机从业者的憧憬。结果 2008 年发生了次贷危机，这件事改变了我的想法，并促使我决定踏踏实实地做一些能改变人类生活的技术。”
谈及做学术的初衷，北京大学信息科学技术学院高能效计算与应用中心助理教授、新体制研究员许辰人博士在交流中告诉 DeepTech。
图 | 许辰人（来源：受访者）
2010 年底，北大成立高能效计算与应用中心，为快速找到物联网与无线网络领域的年轻老师，该应用中心专门写了一个爬虫（Python）软件，在全世界搜罗相关人才，最终筛选出一批曾以第一作者身份在顶会发表至少 3 篇论文的人选。
就这样，活跃于 ACM SenSys、UbiComp 等顶会的许辰人，被爬虫 “爬” 了出来，并收到该应用中心的面试邀请。
当时，刚从美国罗格斯大学毕业的许辰人，正忙着寻找美国的机会，而这封邮件让他动了回国的念头。经过面试和交流，并在完成一年卡耐基梅隆大学的博士后研究后，他在 2015 年开学季正式入职北大高能效计算与应用中心，并成为一名预聘制（Tenure-track）助理教授。
来到北大后，许辰人主要研究物联网、移动互联网、边缘云计算及其在后 5G 时代的高速移动全场景应用。
图 | 不仅仅是反光牌：基于光标签技术的山路会车安全提升
不仅仅是反光牌
自 2013 年起，反射通信就成为无线网络领域最火的研究方向之一。许辰人很喜欢无源低功耗互联这一核心理念，但希望能做一些创新。
受路面上反光标志物的启发，他想把这些原本是为了增强可见性和交通安全性而部署的道路基础设施，改造成携带可定制动态信息的光标签。
他和团队运用软硬件协同的思路，从硬件电路 PCB 着手，实现了物理层到应用层的全栈研发。团队耗时两年自主研发出光标签技术，实现了车灯和路标之间的信息互动，并让车路协同变得更低功耗、低成本和便于大规模部署。
智能网联车和无人驾驶技术是未来交通、物流运输网络乃至智慧城市的关键基础和推动力，也是提高道路交通安全和缓解交通拥挤的重要途径。而当前的无人驾驶技术，主要依赖被动成像传感器进行基于视觉 AI 算法的道路状况识别、理解和决策。
然而，对于算法在训练数据中没见过的突发事故，如临时施工和湿滑路面等极端场景，这种技术就很难进行可靠推理。
许辰人认为，对道路基础设施进行智能化改造、使其能感知动态道路和交通状况，并实现车路之间的信息交互共享、以及智能协同同样至关重要。此外，低成本和易维护，也是此类技术方案在面临大规模部署时需要考虑的因素。
基于此，他在国际上首次提出可见光反射互联（Visible Light Backscatter Communication and Networking）的概念，发明了光标签（VLID）技术，并创建出一套全新的端到端车路协同与车联网感知技术方案。
该方案可对反光材料上的无源反射光信号进行调制，可把反光材料变成小型物联网设备，并能基于车灯侧收到的光信号提取信息，从而感知到难以判断的路面情况，如道路湿滑、事故、求援等。
该技术的核心创新点在于，通过将道路上泛在的交通牌、路障等反光物体，进行低成本偏振光学技术革新，并设计成智能光标签设备，进而在反光回路上创建无源被动可见的光数据链路，最终向过往车辆传递道路动态信息。
概括来说，光标签技术能把道路改造成充满感知神经元的交通生命系统，该技术除可用于高速公路下的路况感知，还能应用在物流仓储等封闭场景中的智能车导航、未来飞行汽车的虚拟轨道构建和引导，以及超级地铁（例如 Hyperloop）中基于反光信标的导航辅助信息传递。
据介绍，光标签技术有如下独特优势：
超低功耗：光标签自身不发射光信号，而是在反光回路上，通过操控光的偏振状态实现信息调制和传输，这样可将传输功率降低 100 多倍。
可规模化部署：光标签利用反光物体为基质，相比 5G C-V2X 和 DSRC 技术，其硬件本身和部署成本降低几十倍。此外，光标签设备可通过自然光，来进行数据通信和能量采集，无需外部电源即可运行，便于偏远地区的大规模部署。
高精度定位：光标签可利用反光信号方向性强的特点，突破了射频通信技术中信号干扰和多径效应的局限性，并通过信号处理算法提取载波相位信息，作为关键特征来实现车辆分米级定位与追踪。在复杂遮挡环境中，它的结果比基于 GPS 和射频的方案更精准。
目前，许辰人团队正朝着低功耗、长距离、高速率、多并发、以及基于此技术的新型感知应用等方向开展研究。
图 | 面向车路协同的可见光反射通信互联基本原理和原型系统
光标签研究成果获得国内外学术界和工业界的广泛认可，系列工作在计算机网络领域国际旗舰会议 ACM SIGCOMM 和 MobiCom 上发表三篇长文，并获得第 18 届 ACM 智能传感系统大会（SenSys’18）唯一最佳系统演示奖。
许辰人曾就该工作在 MIT CSAIL 作特邀研讨会报告，该研讨会由美国工程院院士 Dina Katabi 教授主持。他还获得 2018 年度阿里巴巴达摩院青橙奖（全国 9 人），并入选 2017 年度 CCF-Intel 青年学者（全国 6 人）。
图 | 许辰人就光标签技术在 MIT CSAIL 作特邀研讨会报告
许辰人的另外一个研究项目，与 5G 高速移动数据网络相关。他希望用户能在差旅过程中保持连续、高效的工作。简单来说，该项目主要研究如何保障高铁和飞机乘客的上网质量。
研究中，他和团队从跨层网络协议测量开始，用一年多时间搭建了多路多通中间件，其基于数据驱动技术，采用端到端和跨层协议设计，并能结合移动互联网应用的特点来优化网络性能。
图 | 5G 高速移动数据网络
三个壁垒的打破
当前，以 Wi-Fi、蓝牙和 LTE 为代表的无线网络技术，基本可满足用户通过智能设备随时随地连网的需求。
但网络延迟仍然是一个大痛点，日常我们浏览一个普通网页通常需要等待 2 秒左右，一旦上了地铁或高铁，页面加载时间可能长达 5 秒甚至 10 秒以上。
对视频和 VR 流媒体而言，也经常因为网络带宽不稳定，而无法享受画质稳定的高清体验。
作为无源传感器和无源感知技术的代表，射频识别（RFID） 至今依然无法满足物流仓储和无人超市等密集程度稍大的应用场景。而有源物联网设备，则因为功耗和电池管理问题，制约了其在实际场景中大规模部署的可能性。
换言之，现有商用无线技术不仅让用户体验打折扣，还制约了极限无线互联场景下智能应用服务的开发和部署。
随着 5G 商业化部署脚步的临近，许辰人预期将在增强型移动宽带 (eMBB)、超高可靠与低延迟通信 (uRLLC) 以及大规模机器类通信 (mMTC) 所赋能的无线接入场景中，迎来峰值 1 Gbps 的用户体验速率、毫秒级的延迟、以及百万级 /km3 的终端接入。
在目前明确的 5G 落地技术中，硬件方面有基于大规模天线阵列和毫米波技术的新空口技术来提升带宽，软件方面则是以服务为中心的分布式核心网设计，即通过将网元进行解耦重构和模块设计实现微服务架构，再将集中单元 (CU) 和分布单元 (DU) 分离，使得用户面网关逐步下沉来优化数据流量流向，并通过部署移动边缘计算切片服务来降低延迟。
然而，不同运营商之间对 5G 标准的采用和实现既不统一也不透明。而根据过往经验，用户实际体验到的性能指标，离标准规范还有一定差距。
基于此，许辰人观察到三个势在必行的趋势：
第一，要打破软硬件之间的壁垒。今天的通用处理器已经越来越难以满足我们未来在数字世界中追求的极致体验。通过借鉴计算机体系结构研究工作的经验，就能重构无线网络系统全栈中的各个计算单元，为它们定制硬件加速器，并通过通用处理器灵活地进行协调和适配来优化系统总体能效。
第二，要打破协议栈层级之间的壁垒。当协议栈某一层具备直接或间接感知甚至预测网络状况能 力的时候，跨层的信息共享可以极大地提升网络性能。以高铁网络场景为例，GPS 位置信息可以有效预测网络的连接情况，而基站侧的连接状态和负载信息则能有效指导端到端的 TCP 拥塞控制策略研究。
第三，要打破利益相关者之间的壁垒。在未来天地空一体化网络的场景中，随着自动驾驶技术的普及，个体和群体的移动性会变得越来越可预测。因此，不论是从个体优化还是群体优化的角度来说。网络运营商、互联网应用服务商、内容分发网络以及公共交通网络运营商都需要以更开放的姿态分享数据和信息来合作并实现共赢。
当专用集成电路 (ASIC) 缺乏为场景定制开发的灵活性，而传统纯软件方案也无法满足性能要求的时候，需要从软硬件共融设计的角度来重新思考下一代无线接入网体系架构该如何设计。而这，正是许辰人和他的团队希望解决的问题。
80 后教授的科研二八定律
作为老师的许辰人，目前其教学与科研时间的比例大概是 20% 对 80%，这让他想到很有意思的二八定律，即其中 20% 的投入是最关键的，只要把教学工作做好，就会有助于他吸引到最适合和一起工作的学生，进而反哺科研工作。
在知乎上，有一位自称是许辰人学生的人评价称：“虽然课又是极其硬核那一档，但是能明显感觉到的那种认真。许老师很少主动 Push，但是看着他自己工作的劲头就感觉自己被 Push 了…… 毕竟是早 8 晚 11 持续 6 到 7 天的强人。”
事实上，许辰人一直都是自驱动式成长，他生于一个和谐宽松的家庭环境，没有虎爸虎妈，作为学霸既看电视也打游戏。
用现在的话来说，他是一位标准的 “全成就型玩家”，他会体验游戏的所有的场景、使用全部角色、打通所有的分支路线、拿到所有隐藏宝物和装备，并解锁所有隐藏剧情。
然而进入大学后，他却再也没有碰过游戏，他说自己需要找到新的热情。在美国读博时，他也知道一旦选择学术这条路，就意味着经济上的妥协。
但他也深知工业界的局限性，一旦去公司工作，研究兴趣就得服从短期商业价值和前景。想明白后，他继续求学深造，2014 年博士毕业于美国罗格斯大学，后在美国卡耐基梅隆大学进站做博士后。
几年后学成归国，这位 85 后计算机从业者，选择了一条更为艰难但却更自由广阔的学术之路。
