CNET科技資訊網(wǎng) 5月23日 北京消息(文/周雅):滴滴滴,一聲快速清脆的鈴響之后,一輛摩拜單車被解鎖了。這輛摩拜有點特別,在它的智能車鎖里,藏著一顆調(diào)制解調(diào)器——來自高通。
今天下午,高通與中國移動研究院及摩拜單車合作,啟動中國首個eMTC/NB-IoT/GSM(LTE Cat M1/NB1和E-GPRS)多模外場測試,通過中國移動的2G/4G多模網(wǎng)絡(luò),把高通MDM9206調(diào)制解調(diào)器應(yīng)用在摩拜單車的智能車鎖上。
熟悉共享單車的人都知道,摩拜單車可以在手機APP上直接開鎖,省去了手動解鎖的步驟,源于摩拜自主研發(fā)的專利智能鎖,該鎖集成GPS和通訊模塊,加上物聯(lián)網(wǎng)技術(shù),可以直接與手機APP相連——平臺上運營的逾450萬輛智能單車都配備了這款智能鎖。
而高通MDM9206是一款面向物聯(lián)網(wǎng)的多模LTE IoT調(diào)制解調(diào)器,由高通2015年推出,支持全球多模,具有LTE連接,集成了全球?qū)Ш叫l(wèi)星系統(tǒng)(GNSS)定位功能,那么這款調(diào)制解調(diào)器為何集成在一款小小的智能鎖上?
1、正因為MDM9206的全球?qū)Ш叫l(wèi)星系統(tǒng)定位功能支持GPS、北斗以及格洛納斯,可以讓單車用戶更加精準(zhǔn)地識別可用單車、加快智能鎖開鎖速度,并對單車狀態(tài)持續(xù)監(jiān)測、實時管理。
2、MDM9206的低功耗藍(lán)牙解決方案,還計劃被應(yīng)用在摩拜單車的“智能推薦停車點”(sMPL)中,可實現(xiàn)亞米級定位,幫助摩拜單車實時掌握各區(qū)域內(nèi)單車數(shù)量、位置及不同區(qū)域間的流量信息,為單車投放、調(diào)度和運維提供智能指引。
3、較前幾代LTE產(chǎn)品相比,得益于面向物聯(lián)網(wǎng)優(yōu)化的窄帶LTE技術(shù),MDM9206可以為下一代物聯(lián)網(wǎng)產(chǎn)品與服務(wù)實現(xiàn)對成本效益、低功耗、低帶寬、長達(dá)數(shù)年的續(xù)航時間和更廣覆蓋,從而幫助像摩拜單車這樣的物聯(lián)網(wǎng)平臺減少物聯(lián)網(wǎng)終端的復(fù)雜性,并加快實現(xiàn)產(chǎn)品商用。
摩拜單車聯(lián)合創(chuàng)始人兼CTO夏一平介紹,借助MDM9206,摩拜單車正構(gòu)建全球最大的移動物聯(lián)網(wǎng)系統(tǒng)之一。
目前摩拜單車已先后進入上海、北京、廣州、深圳、成都、新加坡等超過80個國內(nèi)外城市,450萬輛單車每天產(chǎn)生5TB的出行數(shù)據(jù),顯然,共享單車已經(jīng)成為物聯(lián)網(wǎng)最重要的載體之一。
“截至目前,采用高通芯片的物聯(lián)網(wǎng)終端出貨量超過10億。”高通技術(shù)副總裁李維興表示,高通一直在加快全球多模LTE IoT蜂窩連接能力的部署。
關(guān)于多模LTE IoT,李維興認(rèn)為:
1、LTE窄帶技術(shù)將推動物聯(lián)網(wǎng)的發(fā)展:在窄帶蜂窩物聯(lián)網(wǎng)技術(shù)中,Cat-M1和Cat-NB1可以延長電池續(xù)航時間,降低復(fù)雜性并減少成本,應(yīng)用面廣泛;對比2G/GSM,LTE IoT可提供更優(yōu)越的性能和電池續(xù)航。
2、Cat-M1與Cat-NB1相互補充:Cat-M1支持高可靠/關(guān)鍵業(yè)務(wù)型和低時延用例;Cat-NB1支持成本高效、時延不敏感、小數(shù)據(jù)量、深度覆蓋用例,并支持2G向LTE IoT平滑遷移——Cat-M1和Cat-NB1兩項技術(shù)相輔相成,有一定范圍的交叉,同時也有不同的用戶。把這兩種技術(shù)集成到一個模塊中,將在很大程度上節(jié)約成本,也將使產(chǎn)業(yè)鏈趨于完善。
3、像Cat-M1/Cat-NB1/GSM這樣的多模技術(shù),將支持像摩拜單車這樣的物聯(lián)網(wǎng)平臺開發(fā)可在全球不同運營商網(wǎng)絡(luò)中運行的物聯(lián)網(wǎng)產(chǎn)品,實現(xiàn)產(chǎn)品全球覆蓋的最大化和規(guī)?;?
中國移動研究院副院長黃宇紅同樣表示,局域物聯(lián)網(wǎng)技術(shù)存在局限性,而低功耗廣域網(wǎng)(LPWA)可以驅(qū)動窄帶蜂窩物聯(lián)網(wǎng),具有超低功耗、超大連接、超強覆蓋、超低成本的優(yōu)勢。且多模技術(shù)能滿足客戶廣泛覆蓋的需求。
好文章,需要你的鼓勵
新加坡國立大學(xué)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)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(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)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(zhǔn)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(zhì)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(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。