2月26日,2024年世界移動通信大會(MWC2024)在西班牙巴塞羅那開幕。展會期間,中國電信攜手中興通訊聯(lián)合發(fā)布了Cluster DRS(Dynamic Radio Sharing,基站簇級的動態(tài)波束共享)創(chuàng)新技術和成果。
中國電信自2019年以來已建成了全球首張、規(guī)模最大、網(wǎng)速最快的5G SA網(wǎng)絡,已經(jīng)擁有5G用戶3.18億+,在制造、能源、醫(yī)療、教育、智慧城市、交通、文旅等領域打造5G專網(wǎng)9000余個、5G行業(yè)應用項目2.8萬余個。同時,作為新一代信息技術產(chǎn)業(yè)發(fā)展的主力軍,中國電信密切關注不斷涌現(xiàn)的新業(yè)務、新場景的發(fā)展訴求,低空經(jīng)濟就是核心關注點之一。無人機是低空經(jīng)濟發(fā)展的重要組成部分,5G網(wǎng)絡需要拓展低空立體覆蓋能力,滿足無人機的實時寬帶通信需求。
中國電信積極聯(lián)合中興通訊推出了Cluster DRS(Dynamic Radio Sharing)解決方案,依據(jù)無人機的飛行軌跡和業(yè)務的特點,5G商用網(wǎng)絡動態(tài)生成以無人機為中心的基站簇,簇內多小區(qū)間實現(xiàn)空域波束共享;簇間靈活降低干擾,穩(wěn)定保障無人機高清視頻的實時回傳體驗。
中國電信5G共建共享工作組黃禮蓮總經(jīng)理表示:”隨著中國5G發(fā)展?jié)u入佳境,5G-A已成為支撐新業(yè)務、新場景發(fā)展的重要驅動力。中國電信秉持技術創(chuàng)新和高質量網(wǎng)絡緊密結合的方向,致力于深入挖掘5G網(wǎng)絡潛能,持續(xù)滿足新業(yè)務、新場景的需求。2021年中國電信首次提出Cluster(5G基站簇)概念,應用到頻域形成Cluster DSS方案提升5G用戶體驗、在時域形成Cluster DFS方案助力5G一網(wǎng)多能。今天,我們將“Cluster”理念應用到空域,可基于5G商用網(wǎng)絡支持低空立體覆蓋、推動低空經(jīng)濟數(shù)智化發(fā)展。
中興通訊高級副總裁張萬春介紹到,“在5G創(chuàng)新應用的持續(xù)探索過程中,我們堅持將高效5G網(wǎng)絡、大數(shù)據(jù)和智能化相結合,形成強有力的數(shù)字基座,支撐新業(yè)務、新場景的數(shù)智化發(fā)展需求。Cluster 系列化技術正是基于這個數(shù)字基座,在有限的網(wǎng)絡資源和不斷提升的業(yè)務體驗之間尋找最優(yōu)解,可以依據(jù)用戶、業(yè)務的特點,針對時域、頻域和空域進行資源和需求之間的精準匹配、從而激發(fā)5G潛能,創(chuàng)造無限價值。”
Cluster DRS解決方案,基于內生AI能力提升網(wǎng)絡資源的智能化動態(tài)調整能力,推動了網(wǎng)絡資源策略從以小區(qū)為中心到以用戶為中心的轉變,為低空經(jīng)濟協(xié)同發(fā)展保駕護航,也是向6G技術發(fā)展的有益探索。中國電信將與中興通訊繼續(xù)在更多領域進行創(chuàng)新實踐,持續(xù)推動經(jīng)濟社會數(shù)字化、智能化、綠色化發(fā)展。
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。