2022年9月7日,圣迭戈/上海 —— 在IMT-2020(5G)推進組的指導下,為配合和支持推進組的5G毫米波測試計劃,高通技術(shù)公司和中興通訊成功實現(xiàn)了全球傳輸速率最快的5G毫米波獨立組網(wǎng)互操作性測試連接,并在兩大場景下取得了令人驚嘆的成果:測試實現(xiàn)了接近7Gbps的下行峰值下載速率,以及2.1Gbps的上行峰值速率。5G毫米波獨立組網(wǎng)支持在不使用LTE或者Sub-6GHz頻譜錨點的情況下部署5G毫米波網(wǎng)絡(luò)和終端,這使運營商能夠更加靈活地為個人和商業(yè)用戶提供數(shù)千兆比特速度、超低時延的無線光纖寬帶接入。利用不帶錨點的毫米波獨立組網(wǎng)部署模式,還可以在所有使用場景下支持綠色固定無線接入網(wǎng)絡(luò)的部署。
高通技術(shù)公司和中興通訊利用DDDSU幀結(jié)構(gòu),在基于26GHz(n258)頻段的5G毫米波獨立組網(wǎng)中取得接近7Gbps的下行峰值速率。雙方利用DSUUU幀結(jié)構(gòu)上行達到2.1Gbps的成果。在此次測試中,高通技術(shù)公司將搭載驍龍X70 5G調(diào)制解調(diào)器及射頻系統(tǒng)的移動測試平臺連接至位于中興通訊上海實驗室的中興通訊基礎(chǔ)設(shè)施,并基于4x200MHz下行帶寬和2x200MHz上行帶寬實現(xiàn)這一重要里程碑。
高通技術(shù)公司高級副總裁兼蜂窩調(diào)制解調(diào)器和基礎(chǔ)設(shè)施業(yè)務(wù)總經(jīng)理馬德嘉表示:“我們很榮幸能夠攜手中興通訊實現(xiàn)此次里程碑,這是推動5G毫米波獨立組網(wǎng)演進和未來商用過程中的重要一步。此次測試展示了無線光纖帶來的更快峰值速率、更多可用連接、更低時延和更高吞吐量,凸顯了其在提升消費者體驗和推動數(shù)字化轉(zhuǎn)型方面的潛力。”
關(guān)于高通公司
高通公司是全球領(lǐng)先的無線科技創(chuàng)新者,也是5G研發(fā)、商用與實現(xiàn)規(guī)模化的推動力量。把手機連接到互聯(lián)網(wǎng),我們的發(fā)明開啟了移動互聯(lián)時代。今天,我們的基礎(chǔ)科技賦能了整個移動生態(tài)系統(tǒng),每一臺3G、4G和5G智能手機中都有我們的發(fā)明。我們將移動技術(shù)的優(yōu)勢帶到汽車、物聯(lián)網(wǎng)、計算等全新行業(yè),開創(chuàng)人與萬物能夠順暢溝通和互動的全新世界。
高通公司包括技術(shù)許可業(yè)務(wù)(QTL)和我們絕大部分的專利組合。高通技術(shù)公司(QTI)是高通公司的全資子公司,與其子公司一起運營我們所有的工程、研發(fā)活動以及所有產(chǎn)品和服務(wù)業(yè)務(wù),其中包括半導體業(yè)務(wù)QCT。
關(guān)于中興通訊
中興通訊股份有限公司(H股證券代碼:0763.HK / A股證券代碼:000063.SZ)是全球領(lǐng)先的綜合通信信息解決方案提供商,為全球電信運營商、政企客戶和消費者提供創(chuàng)新的技術(shù)與產(chǎn)品解決方案。公司成立于1985年,在香港和深圳兩地上市,業(yè)務(wù)覆蓋160多個國家和地區(qū),服務(wù)全球1/4以上人口,致力于實現(xiàn)“讓溝通與信任無處不在”的美好未來。
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(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(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(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(wù)上驗證有效性。