“Win-Win 华为创新周”于7月18日在深圳开启,华为无线网络产品线总裁杨超斌发表了题为“迈向5.5G持续创新,开启5G产业新征程”的主题演讲。杨超斌表示:“为了满足toC新业务和toB行业应用对5G网络能力提出的新需求,华为将迈向5.5G持续创新,实现eMBB/URLLC/mMTC等能力不断增强,同时新增高精度感知、无源物联、高精度定位、智能化等革命性能力,构筑‘下行10Gbps、上行1Gbps、千亿联接、内生智能’的5.5G网络,开启产业新征程。
杨超斌在“Win-Win华为创新周”发表主题演讲
持续提升5G能力,满足用户体验升级和行业数字化需求。在toC方面,随着XR Pro等交互式应用的逐步普及,要求个人用户体验速率的十倍增强;在toB方面,行业应用需要网络提供超大上行、车联、高精度感知等新能力;同时为了满足海量物联的需求,需要提供中速物联、无源物联等场景化技术。“因此,5.5G最典型的网络特征是下行速率要达到10Gbps,上行速率实现相比4G数量级的提升,达到1Gbps,物联网技术能够支持千亿联接,另外还需要在智能化等方面的不断创新,实现网络能力再升级。”杨超斌表示。
超大带宽+ELAA-MM是实现10Gbps的关键。首先,超大带宽频谱是基石,需要充分利用包含FDD频谱、C波段、6GHz、毫米波在内的Sub100GHz频谱。随着高频段使用中面临的覆盖挑战,ELAA-MM(超大规模天线阵列M-MIMO)成为必选。超大规模天线阵列可实现更高频段与C-Band覆盖能力相当,让用户享受无处不在的10Gbps成为可能。当前使用ELAA技术的MetaAAU(3.5GHz/2.6GHz)已经在30+城市规模商用,6GHz频段也已完成外场验证,O2O/O2I场景下均可实现与C-Band共覆盖,而毫米波也借助ELAA解决穿透损耗大的挑战,在实现10Gbps峰值体验的同时,在5公里的距离仍可实现Gbps以上的体验。
上下行解耦持续创新,多频融合实现上行1Gbps。行业数字化对上行速率的需求远大于下行,上下行解耦可以根据行业需求灵活使用不同频段的上下行频谱。对于超大上行需求来说,一方面可以充分利用存量FDD频谱,另一方面可以定义SUL全上行频谱,通过上下行解耦技术实现多频融合,提供Gbps上行速率。当前,上下行解耦已经广泛商用部署于煤矿、钢铁等多个场景,满足百路高清回传、全景远控、远程实时质检等1Gbps上行速率需求。
未来十年,以5G为核心的三类技术支撑千亿联接。RedCap、NB-IoT、无源物联这三类技术将依托无线产业的规模效应实现商业成功。RedCap中高速物联当前已经具备商用能力,相比eMBB终端模组,具备低功耗低成本的特性,更易形成规模应用;Passive IoT是一种革命性的物联技术,将蜂窝网络和无源标签技术相结合,终端价格低,覆盖距离远,可支撑数百亿的无源物联新场景。当前,华为已验证Passive IoT的覆盖能力,覆盖距离超两百米。无线网络的能力还将进一步从联接扩展到感知,提供通信感知一体化的能力,基于毫米波高频段大带宽提升感知精度,实现测速、测距、成像,满足智慧交通异常识别、智慧工厂电子围栏等行业应用需求,使能全真全感互联。
5.5G内生智能实现业务智营、网络智优、运维智简。随着5G网络的持续发展,业务走向多样性差异化,网络走向多频多制式共存,无线网络需要引入智能,实现网络资源的高效利用,保障toC/toB/toH等海量业务的体验。5G网络流量还在快速增长,也需要通过智能化平衡网络性能和能耗。内生智能的无线网络将具备实时感知、建模预测、多维决策的能力,以网络智优实现资源按需配置,达到体验与容量最优,以运维智简实现站点自规划自开通自排障,以智能绿色实现性能节能双优,持续深化无线网络智能化转型。
“未来十年,为了满足千行百业的多样化需求,除了5G现有能力的不断增强,无线网络还需要新增高精度感知、无源物联、智能化等革命性能力。因此,我们希望与全球的产业伙伴携手共进,在保护运营商现有投资的基础上促进5G技术的持续创新,迈向5.5G新时代。”杨超斌在发言的最后表示。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。