[迪拜,2021年10月13日] 今天,以“5G与世界同行”为主题的2021全球移动宽带论坛(Global MBB Forum)在迪拜举行。期间,华为轮值董事长胡厚崑发表了题为“立足当下,塑造未来”的主题演讲。胡厚崑指出:“5G预商用五年以来,带来了消费者体验的提升以及行业使能的破局,在用户规模、网络覆盖、终端发展等方面取得了超出预期的进展。”为了推进5G新发展,胡厚崑认为,行业应该积极为XR业务、5GtoB市场以及绿色低碳发展做好准备。
胡厚崑在2021全球移动宽带论坛发表主题演讲
胡厚崑认为,5G的发展速度远超预期。目前,全球已部署了176张5G商用网络,用户数超过5亿。在消费者领域,5G达成了速率的10倍提升,并带来了VR和360度视频直播等新应用。在企业市场领域,目前全球已经开展了10000多个5GtoB项目,不断孵化5G业务创新。在制造、采矿、港口等领域,已经开始推广复制。他也指出,超过一半的5GtoB项目发生在中国,同时, 5G在一些行业找到了合适的应用场景,但尚未形成可持续的商业模式。
胡厚崑强调,“从个人到行业,从技术到商业,从数字化转型到社会发展,都在快速变化。疫情大大加速了数字化进程,云和AI成为行业数字化转型必选项,绿色发展也已成为全球共识,这些正在对ICT产业产生深远影响。”
只有积极地行动,才能更敏捷地应对变化,胡厚崑认为可以从三个方面积极做好准备。
首先,在网络、终端和内容方面,为XR做好准备。网络层面,提供不高于10ms的网络时延,及超过4.6Gbps的下行速率,以满足云XR业务的需要,这也是华为5.5G愿景中重要方向之一。终端层面,降低门槛,提供更轻、更小、更便宜的终端头显。同时,丰富XR内容,借助云平台和便捷的开发工具,让开发者更高效地生产应用内容。这些举措将加速XR业务规模商用拐点的到来。
其次,通过加强网络及构建软能力,为5GtoB做好准备。网络是5GtoB业务的基础,我们需要持续提升上行、定位能力及构建感知能力。同时,为了应对复杂的行业场景,通过自动驾驶网络,将智能化和自动化带入5GtoB的“规、建、维、优”各个阶段。
数字化转型需要不同的角色,为此,运营商在做好连接之外,还可以承担更多新角色,如云服务提供商、系统集成商,找准定位后并提升相应的能力。5GtoB的规模复制,行业标准是关键。在中国,运营商联合行业以及合作伙伴一起,在煤矿、钢铁、电力等行业,5G的应用标准都已经立项。
过去,行业低估了5GtoB的难度,因为这不仅仅是技术问题,同时商业模式、生态构建也是关键。5G发展到今天,行业也低估了已经取得的成就,因为通过大量的实践而构建的软能力,正成为先行者的长期竞争优势。
最后,为绿色发展做好准备。一方面,数字技术可促进全行业的低碳发展。根据世界经济论坛预测,到2030年,扩大使用数字技术可减少至少15%的全球碳排放。另一方面,ICT产业应积极通过产品创新、站点重构及数据中心智能管理等方面,兼顾用户体验提升,促进自身的低碳平衡发展。
面对行业的快速变化,未来属于有准备的人。胡厚崑呼吁:“世界在快速变化,我们要行动更快,技术、商业和能力一个都不能少。”
2021全球移动宽带论坛,华为携手产业合作伙伴GSMA和SAMENA Council,与全球移动网络运营商、垂直行业领导者、以及生态合作伙伴进行深入交流,揭秘5G商业成功,探讨5G演进。欲了解更多详情,请参阅:https://www.huawei.com/cn/events/mbbf2021
好文章,需要你的鼓励
随着人工智能和高性能计算持续推动需求增长,数据中心设计正以同样惊人的速度演进。曾经的高密度机架已成为标准配置,冷却系统在数月而非数年内完成重新设计,项目在各地区的规模和复杂性不断提升。全球工程设计咨询公司Black & White Engineering指出,液冷成为标准配置、极端机架密度管理、工业化规模交付、电网约束下的电力创新、AI驱动运营设计以及可持续性成为核心设计原则,将成为2026年塑造数据中心设计、建设和运营的六大关键趋势。
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
Snowflake本周推送的一次更新导致全球范围内的"重大故障",用户长达13小时无法查询数据、文件导入失败并收到错误信息。初步调查显示,最新版本引入了不向后兼容的数据库架构更新,导致版本不匹配错误。此次故障影响了全球23个区域中的10个,包括美国、欧洲和亚洲多个数据中心。这是Snowflake一周内第二次发生事故。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。