3月20日,中國廣電和高通技術(shù)公司宣布,雙方合作完成全球首個基于高通FSM100 5G RAN平臺、支持4.9GHz頻段的5G熱點覆蓋解決方案的驗證,并啟動700MHz頻段相關(guān)技術(shù)方案驗證。此次合作將助力中國廣電加速實現(xiàn)5G網(wǎng)絡(luò)的全面深度覆蓋,靈活滿足垂直行業(yè)的多元化組網(wǎng)需求,同時降低5G網(wǎng)絡(luò)部署成本。
此次5G熱點覆蓋解決方案驗證基于中國廣電5G商用網(wǎng)絡(luò),聯(lián)合多家行業(yè)領(lǐng)軍設(shè)備廠商基于高通FSM100研發(fā)并驗證了5G商用熱點覆蓋解決方案,為進一步提升4.9GHz以及后續(xù)700MHz頻譜使用效率和助力中國廣電打造綠色節(jié)能、高流量密度的5G網(wǎng)絡(luò)部署奠定扎實基礎(chǔ)。此次基于高通FSM100打造的支持4.9GHz頻段的熱點覆蓋解決方案具有無線設(shè)備高性能低功耗、外形設(shè)計小巧、成本效益高、靈活且更易部署等諸多優(yōu)勢,為中國廣電的5G網(wǎng)絡(luò)“補熱補盲”,更好地滿足室內(nèi)與戶外高密度和精準網(wǎng)絡(luò)覆蓋需求,進一步加強廣覆蓋、大容量、多層次的5G高品質(zhì)網(wǎng)絡(luò)建設(shè)。同時,結(jié)合高通技術(shù)公司的端到端的可視化網(wǎng)絡(luò)分析系統(tǒng),該5G熱點覆蓋解決方案能夠為企業(yè)專網(wǎng)客戶提供可即時感知、可視化的網(wǎng)絡(luò)性能指標呈現(xiàn),從而真正實現(xiàn)專網(wǎng)客戶對中國廣電專網(wǎng)服務(wù)的可量化可管理。
高通FSM100 5G RAN平臺采用完整的調(diào)制解調(diào)器及射頻系統(tǒng),高度集成的系統(tǒng)級解決方案在提升能效的同時有利于打造一體化的熱點覆蓋解決方案,助力設(shè)備制造商降低設(shè)備整體成本,為垂直行業(yè)用戶提供具有成本效益且運營支出更低的5G企業(yè)專網(wǎng)產(chǎn)品。目前,高通FSM100已被全球眾多制造商和蜂窩通信設(shè)備廠商采用。
中廣電移動網(wǎng)絡(luò)有限公司副總經(jīng)理諶穎表示:“5G熱點覆蓋解決方案特別適用于5G+工業(yè)互聯(lián)網(wǎng)、5G+智慧園區(qū)、5G+智慧礦山、5G+智慧能源等局域覆蓋場景,對深化5G與垂直行業(yè)的融合以及促進傳統(tǒng)行業(yè)數(shù)字化轉(zhuǎn)型具有積極的推動作用。在此次聯(lián)合高通技術(shù)公司成功完成5G熱點覆蓋解決方案驗證的基礎(chǔ)上,中國廣電將與行業(yè)生態(tài)合作伙伴深入合作,加速實現(xiàn)支持4.9GHz頻段的5G熱點覆蓋解決方案相關(guān)產(chǎn)品的商用化以及部署,并對支持700MHz(N28)頻段的5G熱點覆蓋解決方案產(chǎn)品和行業(yè)解決方案進行積極的技術(shù)探索。未來,多元化深度覆蓋模式,有望成為滿足客戶低成本、高速率和確定性時延需求的行業(yè)專網(wǎng)建設(shè)方式。”
高通技術(shù)公司業(yè)務(wù)拓展高級副總裁程立新表示:“隨著5G部署加速,熱點覆蓋解決方案在綠色節(jié)能、網(wǎng)絡(luò)擴容、深度覆蓋等方面正發(fā)揮著越來越關(guān)鍵的作用。憑借蜂窩基礎(chǔ)設(shè)施領(lǐng)域的領(lǐng)導(dǎo)力和深厚的5G技術(shù)專長,高通技術(shù)公司正通過創(chuàng)新的5G RAN解決方案,攜手中國廣電和廣泛的行業(yè)領(lǐng)軍企業(yè)推動各行各業(yè)的數(shù)字化、網(wǎng)絡(luò)化和智能化升級,為塑造數(shù)字未來奠定堅實基礎(chǔ)。”
好文章,需要你的鼓勵
新加坡國立大學(xué)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(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。
同濟大學(xué)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(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(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。