作者|周雅
隨著5G商業(yè)化進(jìn)程加速,產(chǎn)業(yè)的疑問也接踵而來,首當(dāng)其沖的問題莫過于“如何兼顧技術(shù)升級和部署成本”?問題的答案可以追溯到去年6月,5G R17標(biāo)準(zhǔn)凍結(jié),R17既宣告了5G的下半場開啟,也帶來了一項備受矚目的技術(shù)——RedCap。
RedCap(Reduced Capability),譯為“降低能力”,它是3GPP針對速率、時延要求不高的5G應(yīng)用場景,在5G R17階段專門推出的一種新技術(shù)標(biāo)準(zhǔn)。RedCap通過簡化終端天線數(shù)、縮減收發(fā)帶寬,實現(xiàn)成本和尺寸的大幅降低,實現(xiàn)性能和成本的最佳平衡。大家也因此把它理解為“輕量級5G”。
RedCap一經(jīng)誕生,產(chǎn)業(yè)可謂捷報頻傳。首先是三大運營商紛紛入局部署RedCap,又是發(fā)白皮書,又是建實驗室,都沒閑著。其次一些通信廠商包括愛立信、華為、中興、諾基亞、中信科移動、紫光展銳等相繼完成了RedCap關(guān)鍵技術(shù)和外場性能測試??梢娬麄€業(yè)界對于RedCap抱有很高期望。
這樣的場合,怎么會少得了芯片巨頭高通。本周,高通正式推出全球首個5G NR-Light(也稱作RedCap)調(diào)制解調(diào)器及射頻系統(tǒng)——驍龍X35 5G調(diào)制解調(diào)器及射頻系統(tǒng)。在當(dāng)天的媒體溝通會上,高通技術(shù)公司產(chǎn)品市場總監(jiān)楊思云詳細(xì)介紹了Redcap和驍龍X35。
為什么是輕量級5G?
5G正在連接廣泛的智能邊緣終端,包括智能手機(jī)、交通、工業(yè)、制造、新零售、農(nóng)業(yè)、醫(yī)療、公共安全以及智慧城市等等,換句話說,5G是萬物互聯(lián)的統(tǒng)一連接平臺。
既然是統(tǒng)一平臺,而5G本身也在持續(xù)演進(jìn),那么這一過程中勢必會誕生很多不同的技術(shù)特性,RedCap就是5G的技術(shù)特性之一。
面向萬物互聯(lián)的愿景,RedCap可以在現(xiàn)有的關(guān)鍵業(yè)務(wù)型物聯(lián)網(wǎng)和海量物聯(lián)網(wǎng)之間提供一種全新選擇,因為這兩者對性能和復(fù)雜度需求有所不同。
例如TSN(時間敏感型網(wǎng)絡(luò))應(yīng)用,它需要低時延、高吞吐量,但對于密度的要求相對低,對復(fù)雜度的要求比較高,對電池續(xù)航要求比較低,因此TSN屬于高性能業(yè)務(wù)形態(tài)。
而5G海量物聯(lián)網(wǎng)應(yīng)用,也就是eMTC、NB-IoT這類應(yīng)用,它其實對時延要求不嚴(yán)苛,對吞吐量的要求也比較低;它對網(wǎng)絡(luò)部署密度的要求相對很高,對布網(wǎng)復(fù)雜度要求比較低,但它通常需要很強的電池續(xù)航,來解決長期的網(wǎng)絡(luò)部署需求。
“面對這些錯綜復(fù)雜的不同需求,5G NR-Light(RedCap)對時延、吞吐量、密度、復(fù)雜度、電池續(xù)航提供了一個平衡選擇。”楊思云總結(jié)道。
究竟5G NR-Light(RedCap)是如何平衡不同需求的物聯(lián)網(wǎng)?從技術(shù)視角來看,物聯(lián)網(wǎng)當(dāng)前主要包括三種技術(shù)類型,即LTE Cat-1bis、LTE Cat-4、5G NR-Light(RedCap)。楊思云介紹,5G NR-Light支持面向未來的全新中端物聯(lián)網(wǎng)設(shè)計,這類終端支持的帶寬基本在20MHz,而而頻率的范圍可以拓展,除了傳統(tǒng)的Sub-3GHz頻段,NR-Light還支持Sub-7GHz頻段。
而且,目前5G NR-Light支持的吞吐峰值速率是下行150Mbps或者上行50Mbps,未來有可能實現(xiàn)更高速率。從5G技術(shù)演進(jìn)來講,5G NR-Light會優(yōu)于LTE Cat-4,同時它所支持的雙工模式和接收鏈路也有更靈活的選擇和配置。
楊思云指出,NR-Light在多樣化的5G部署中持續(xù)推動終端生態(tài)擴(kuò)展,支持多種類型的用例:
· 第一類是基于傳統(tǒng)大眾市場的寬帶用例,包括固定無線接入CPE、聯(lián)網(wǎng)PC、移動路由器和平板電腦,這些用例代表了5G在傳統(tǒng)寬帶市場的需求。
· 第二類是工業(yè)物聯(lián)網(wǎng),包括工業(yè)傳感器、物聯(lián)網(wǎng)網(wǎng)關(guān)和監(jiān)控攝像頭,這些是有望大量采用NR-Light技術(shù)的產(chǎn)品。
· 第三類是消費級物聯(lián)網(wǎng),包括更多以及更抓眼球的全新產(chǎn)品形態(tài),例如高端的可穿戴設(shè)備、健康狀況監(jiān)測設(shè)備以及支持云連接的XR眼鏡。
也就是說,在對復(fù)雜度、吞吐量有較高要求的終端和海量物聯(lián)網(wǎng)終端之間,NR-Light能夠起到一個良好的橋梁作用,提供更靈活的5G物聯(lián)網(wǎng)性能和復(fù)雜度特性組合。
驍龍X35:四項優(yōu)化,助力5G終端設(shè)計成本更優(yōu)
驍龍X35是集成了優(yōu)化的射頻集成電路(RFIC)和電源管理集成電路(PMIC)模組的3GPP R17 RedCap調(diào)制解調(diào)器,為OEM廠商提供面向全新用例打造下一代終端的5G新性能。
楊思云介紹,作為高通率先發(fā)布的全球首個5G NR-Light調(diào)制解調(diào)器及射頻系統(tǒng),驍龍X35具備成本更優(yōu)、更低復(fù)雜度、更高能效和更緊湊的尺寸這四項優(yōu)化設(shè)計;能夠支持5G和4G語音、精準(zhǔn)定位、超低時延和220Mbps峰值速率這四大性能。
此外,驍龍X35還采用了高通先進(jìn)的調(diào)制解調(diào)器及射頻技術(shù),包括:
· 高通包絡(luò)追蹤技術(shù)。高通在這個領(lǐng)域有著多年的技術(shù)積累,這項技術(shù)對降低功耗以及提升網(wǎng)絡(luò)性能都有很大的幫助。
· 高通Smart Transmit技術(shù)。這項技術(shù)在面向發(fā)射場景時,能夠比較好地調(diào)節(jié)發(fā)射性能,從而達(dá)到最優(yōu)的結(jié)果。這是目前廣泛應(yīng)用于手機(jī)的一個特性,在很多場景中也證明了該技術(shù)對于性能提升有很大的幫助。
· 支持全球頻段。高通的調(diào)制解調(diào)器已經(jīng)在全球多個國家和地區(qū)得到了認(rèn)證,因此驍龍X35也傳承了高通支持全球頻段的能力、測試經(jīng)驗及積累。“對于中國客戶而言,后續(xù)如果要實現(xiàn)產(chǎn)品出海,驍龍X35是一個非常好的選擇。”楊思云說。
從應(yīng)用來看,RedCap的應(yīng)用場景也很豐富,包括大眾市場終端用例(如CPE)、工業(yè)物聯(lián)網(wǎng)用例(如工業(yè)路由器)、消費級物聯(lián)網(wǎng)用例(如XR眼鏡、智能手表、可穿戴等)、XR,這類終端需要更小尺寸的模組。
楊思云最后總結(jié):“基于驍龍X35,高通希望加快推動NR-Light生態(tài)系統(tǒng)和市場擴(kuò)展,支持終端更快遷移至統(tǒng)一的5G網(wǎng)絡(luò)之下。高通也希望在豐富現(xiàn)有用例的同時,將5G擴(kuò)展到更多應(yīng)用和行業(yè),同時擴(kuò)展和實現(xiàn)更多連接數(shù),從而為消費者帶來更好體驗,幫助運營商更快部署5G,加快推動數(shù)字經(jīng)濟(jì)發(fā)展。”
據(jù)悉,驍龍X35和驍龍X32預(yù)計將于2023年上半年開始向客戶出樣,商用移動終端預(yù)計將于2024年上半年發(fā)布。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(jì)大學(xué)團(tuán)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(jī)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(jī)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(tuán)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(jī)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。
關(guān)注科技創(chuàng)新、技術(shù)投資。
以文會友,左手硬核科技,右手浪漫主義。