科技行者支持,以分享創(chuàng)業(yè)者的創(chuàng)新故事。
基站部署是普及移動通信技術的必經(jīng)之路,但到了5G時代,運營商部署基站卻迎來了難題。
來“補盲”。
等不同類型,具有部署靈活、施工簡單、擴容簡單、管理和運維便捷的優(yōu)勢,比如在高鐵、老舊居民區(qū)改造、大型酒店等已經(jīng)裝修好的場景,如果再建宏基站,選址就會比較困難,而小基站可以發(fā)揮它的作用;另外,在大型寫字樓、大型賽場、機場、高鐵車站等人流多的地方,小基站能夠解決除通話以外的其他需求,如果單純用宏基站覆蓋,成本難以承受。
”
公司成立兩年多以來,極芯通訊推出了全球第一顆支持O-RAN標準的5G基站數(shù)字前端芯片——梅里UC1040,以適應5G多應用場景下的定制化需求,據(jù)官方稱“UC1040已經(jīng)被大多數(shù)小型/微型基站設備制造商所認可和采用”。
>
科技行者:極芯通訊成立于2019年,當時成立的契機和緣由是什么?
來支撐。我們就是在這樣的大環(huán)境下創(chuàng)建了公司。
科技行者:這時候我就很好奇,極芯這個名字的由來。
。
科技行者:物理極限和極致體驗,這就蘊含了一個企業(yè)愿景。
徐國鑫:對。
科技行者:公司成立兩年多以來,目前主要成果如何?
徐國鑫:我們經(jīng)過兩年努力,已經(jīng)推出了第一款芯片「梅里UC1040」,是專門用于5G基站的射頻單元的一個關鍵芯片。在傳統(tǒng)上都是通用器件來搭建,在功耗、成本和性能上都滿足不了小基站或基站的需求,而梅里UC1040把整個射頻單元里最重要的核心芯片解決了,能夠讓整個射頻單元的成本、功耗和性能有大幅度的提升。
科技行者:接下來我想了解技術性問題,我們知道基站有不同的規(guī)模,比如宏基站、微小站,這些基站各自占一個什么比例?分別適用什么場景?
徐國鑫:5G的整個特色是各種應用場景非常廣泛。宏基站主要是解決了大規(guī)模覆蓋的問題,我們在室外很多地方都能夠無縫通信。但同時,5G其實也可以做到精細化覆蓋,比如室內(nèi)、醫(yī)院、工廠等這些需要有特殊覆蓋環(huán)境的場景,傳統(tǒng)的宏基站無法支撐,所以就得有一些特色的基站來支撐。
科技行者:5G對這一產(chǎn)業(yè)發(fā)展構成了哪些直接和間接影響?
。
科技行者:目前制約微小站發(fā)展的市場痛點和阻礙是什么?
微小站目前還處于孕育期。
都需要有一個新模式。
這時候就催生了很多新的基站形態(tài),比如室內(nèi)覆蓋的基站、小基站、一些行業(yè)應用基站等,行業(yè)正在呼吁這樣的解決方案。
科技行者:極芯是早早就看到潛力然后去布局。
芯片開發(fā)的周期通常在兩年左右,所以一定要預判到未來的市場和產(chǎn)業(yè)環(huán)境,再開發(fā)自己的芯片。
科技行者:您剛剛提到生態(tài),任何一項技術的發(fā)展都離不開生態(tài)的共建,極芯此前跟GSMA有過接觸和了解,您對于未來與GSMA的合作有什么期待嗎?
徐國鑫:GSMA是一個全球性組織,5G也是一個全球化標準,所以GSMA平臺對我們來說是一個非常好的合作伙伴,這個平臺可以解決中國和全球設備商的痛點問題,這是我們期待
與GSMA深度合作的原因,另外,我們有一個更大的期望,能夠做到國際化,建立更好的生態(tài)。
科技行者:個人感覺市場的一個現(xiàn)狀是,相比IT互聯(lián)網(wǎng)行業(yè),通信領域的創(chuàng)業(yè)公司數(shù)量偏少,您覺得這個領域的創(chuàng)業(yè)創(chuàng)新規(guī)律,與IT互聯(lián)網(wǎng)有何不同?
,比如移動通信從第1代、第2代、第3代、第4代到現(xiàn)在的第5代,需要有歷史積累,這是非常大的門檻,所以不僅僅說我們要解決當前的問題,還要解決很多歷史問題,所以歷史積淀很重要。
科技行者:看來歷史積累和生態(tài)合作,是通信行業(yè)的黃金法則。最后,作為芯片公司,您怎么看待目前的缺芯問題?
。第一是整個市場對信息技術的需求暴漲,這時候就需要更多的芯片;第二,像新能源汽車這類的新需求出現(xiàn),也需要更多的芯片來支撐;第三,很多產(chǎn)業(yè)的恐慌性備貨,加劇了產(chǎn)能的緊張程度;第四,產(chǎn)業(yè)鏈的升級或產(chǎn)業(yè)鏈的重構,也會加劇這一問題,傳統(tǒng)的廠商在生產(chǎn)備貨,新的廠商又擠進來,更加劇了產(chǎn)能的緊張。
缺芯問題應該在兩年左右可以解決。
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。