2022年5月4日,圣迭戈——高通技術公司今日宣布,推出支持Wi-Fi 7網(wǎng)絡的第三代高通專業(yè)聯(lián)網(wǎng)平臺產(chǎn)品組合。第三代高通專業(yè)聯(lián)網(wǎng)平臺是目前全球性能最高的商用Wi-Fi 7網(wǎng)絡基礎設施平臺組合,該平臺現(xiàn)已向全球開發(fā)合作伙伴出樣。依托多代高通專業(yè)聯(lián)網(wǎng)平臺的優(yōu)勢,全新平臺將Wi-Fi 7網(wǎng)絡特性與高通技術公司的智能多信道管理技術相結(jié)合,為Wi-Fi 6/6E終端用戶實現(xiàn)速度提升、時延降低及網(wǎng)絡利用率的提升,同時也為下一代Wi-Fi 7終端設備帶來具有變革意義的超高吞吐量和無與倫比的低時延。
高通技術公司高級副總裁兼無線基礎設施與聯(lián)網(wǎng)業(yè)務總經(jīng)理Nick Kucharewski表示:“隨著支持Wi-Fi 7的高通專業(yè)聯(lián)網(wǎng)平臺系列向首批客戶交付,高通技術公司開啟了10Gbps Wi-Fi時代。結(jié)合對最新Wi-Fi 7創(chuàng)新技術的支持以及我們獨特的產(chǎn)品平臺架構,該平臺將賦能各類解決方案,包括家庭全屋網(wǎng)狀網(wǎng)絡和面向大型公共場所的強大網(wǎng)絡連接。我們期待通過該產(chǎn)品線為當前應用和新興Wi-Fi 7生態(tài)帶來全新水平的客戶系統(tǒng)。”
Counterpoint Research研究副總裁Neil Shah表示:“基于Wi-Fi 6/6E旺盛的發(fā)展勢頭和技術領導力,高通技術公司帶來了支持Wi-Fi 7的第三代高通專業(yè)聯(lián)網(wǎng)平臺,提供創(chuàng)紀錄的無線容量和吞吐性能,將家庭與企業(yè)級Wi-Fi基礎設施提升至全新水平。通過在高度可擴展且模塊化的優(yōu)化架構中引入多連接并發(fā)操作、4K QAM調(diào)制技術、四頻配置等Wi-Fi 7創(chuàng)新技術,高通技術公司再一次引領變革,推動行業(yè)邁入10Gbps+時代。即使在網(wǎng)絡受限的環(huán)境中,這一創(chuàng)新化的平臺也將助力為用戶帶來前所未有的豐富內(nèi)容與沉浸式無線體驗。”
第三代高通專業(yè)聯(lián)網(wǎng)平臺為網(wǎng)絡連接解決方案的性能樹立新的行業(yè)標桿。其可為系統(tǒng)帶來33Gbps的峰值聚合無線容量和超過10Gbps的點對點連接。得益于干擾偵測和多連接操作等先進特性,該Wi-Fi 7專業(yè)聯(lián)網(wǎng)平臺可在極具挑戰(zhàn)的共享無線環(huán)境中實現(xiàn)確定性低時延,帶來媲美私域頻譜的應用性能。此外,第三代高通專業(yè)聯(lián)網(wǎng)平臺為家庭網(wǎng)狀Wi-Fi和企業(yè)級基礎設施帶來了高速低時延的無線回傳,即使鄰域存在干擾,依然能夠獲得可靠性能。該平臺可結(jié)合5G固定無線接入、10G-PON光纖等高性能網(wǎng)絡接入方式,面向高清視頻會議、AR和VR以及高性能云游戲等場景,讓用戶感受到沉浸式的網(wǎng)聯(lián)體驗。
高通專業(yè)聯(lián)網(wǎng)平臺提供三頻和四頻配置,可支持2.4GHz、5GHz和 6GHz頻譜的Wi-Fi連接。通過部署關鍵特性,支持Wi-Fi 7的高通專業(yè)聯(lián)網(wǎng)平臺擁有無可比擬的高性能,包括:
與前兩代平臺類似,第三代高通專業(yè)聯(lián)網(wǎng)平臺通過定制設計,以確保客戶能夠面向市場快速推出廣泛的連接解決方案。高度可擴展的模塊化平臺架構利用通用的軟件及硬件開發(fā)方式提供全球適用的一系列配置,每個配置均支持優(yōu)化的多頻信道使用方案,以應對不同區(qū)域頻譜的可用性。無論是面向企業(yè)級、中小企業(yè)、運營商網(wǎng)關、專業(yè)用戶網(wǎng)狀網(wǎng)絡還是家庭部署,該系列提供多款平臺供客戶選擇。該平臺全部產(chǎn)品組合包括:
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(zhuǎn)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(jié)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(jié)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(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。