2018年6月21日,由工業(yè)和信息化部和深圳市人民政府指導,IMT-2020(5G)推進組聯合中國通信學會與中國通信標準化協會共同主辦的2018年(暨第六屆)IMT-2020(5G)峰會在深圳開幕。為期兩天的峰會以“構建5G新生態(tài)”為主題,邀請工信部領導、深圳市政府領導以及數十家國內外主流移動通信和行業(yè)應用單位專家400多人參加會議,集中探討5G技術、標準、研發(fā)、試驗、產業(yè)、商用計劃、融合應用等最新進展與發(fā)展趨勢,頒發(fā)“綻放杯”5G應用征集大賽獎項、發(fā)布大賽成果。
工業(yè)和信息化部副部長陳肇雄出席峰會并致開幕詞。陳肇雄指出,5G作為新一代信息通信技術發(fā)展的重要方向,對于構建萬物互聯的基礎設施,推動互聯網、大數據、人工智能與實體經濟深度融合,支撐服務高質量發(fā)展,意義重大。要緊緊抓住5G發(fā)展的歷史機遇,加快推進5G技術產業(yè)發(fā)展,全面推動5G與實體經濟深度融合:一是促進5G技術成熟,打造完整產業(yè)鏈,為全面商用奠定產業(yè)基礎;二是出臺5G商用政策,適時發(fā)布頻譜規(guī)劃和商用牌照,滿足5G網絡建設與應用拓展需求;三是加快5G應用拓展,支撐服務經濟實現數字化、網絡化、智能化高質量發(fā)展。
工業(yè)和信息化部副部長陳肇雄
深圳市市長陳如桂為本次峰會致辭,陳如桂指出,深圳高度重視5G等新一代信息技術創(chuàng)新,專門制定了5G創(chuàng)新發(fā)展行動計劃,希望通過5G技術突破,帶動電子信息技術產業(yè)轉型升級,同時,也希望通過率先開展5G技術應用,帶動深圳智慧城市和數字政府建設上水平,努力實現“科技讓生活更美好”。陳如桂表示,深圳將在工信部指導下,充分發(fā)揮創(chuàng)新先發(fā)優(yōu)勢,加大對5G技術研發(fā)投入,為我國建設網絡強國和數字中國作出積極貢獻。
深圳市市長陳如桂
中國工程院院士、IMT-2020(5G)推進組顧問鄔賀銓發(fā)表了題目為《5G與光傳輸技術相輔相成》的主題演講。中國信息通信研究院副院長、IMT-2020(5G)推進組主席王志勤介紹了推進組在5G標準、試驗、應用和國際合作等方面的主要觀點和工作進展。 深圳市發(fā)改委副主任蔡羽發(fā)布了《深圳促進第五代移動通信(5G)創(chuàng)新發(fā)展行動計劃(2018-2020年)》。
在本次峰會上,IMT-2020(5G)推進組還舉行了“綻放杯”5G應用征集大賽頒獎典禮,陳肇雄副部長和陳如桂市長分別獲獎單位頒發(fā)證書。大賽于2018年1月16日啟動,旨在面向全社會廣泛征集5G應用創(chuàng)新案例,以充分發(fā)揮行業(yè)需求和企業(yè)創(chuàng)新主體作用,助力5G商業(yè)化進程。大賽自開賽以來得到了業(yè)界的廣泛關注,歷經3個多月的項目征集,共收到面向工業(yè)、VR/AR、交通、醫(yī)療、無人機、環(huán)保等眾多領域的參賽項目334個。大賽“最佳人氣獎”評選平臺開放之后,在短短5天半時間里,點擊量就超過1400萬,累計投票數超過500萬。
在峰會第一天,參會的移動通信設備企業(yè)、運營企業(yè)、芯片/儀表企業(yè)、終端企業(yè)、器件企業(yè)以及制造企業(yè)代表圍繞“5G整體解決方案”和“5G最佳產品體系”兩大主題進行演講,分享5G技術標準、研發(fā)進展、測試方案以及商用準備等研究進展,開展“面向5G商用關鍵問題”圓桌討論,從不同視角對5G關鍵問題進行了全面展示和深入探討。
峰會第二天將舉行“5G商用計劃”、“5G與垂直行業(yè)融合”和“5G應用大賽獲獎項目展示”等主題演講,以及“5G行業(yè)應用發(fā)展關鍵問題及解決方案”圓桌討論,期間IMT-2020(5G)推進組將發(fā)布《5G承載需求白皮書》、《5G核心網云化部署需求與關鍵技術白皮書》、《C-V2X白皮書》和《綻放杯5G應用征集大賽白皮書》。
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學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,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,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,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,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現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。