[泰国,曼谷,2022年10月26日] 2022全球移动宽带论坛(Global MBB Forum)期间,华为常务董事、ICT基础设施业务管理委员会主任汪涛发表了题为“迈向5.5G,共筑未来之基”的主题演讲。汪涛指出,5.5G在全产业的共同努力下已经进入新的阶段,倡议产业界共同做好全方位的准备,加速迈向5.5G,携手共建美好的智能世界。
华为汪涛在MBBF2022上发表主题演讲
智能世界正在加速到来,对网络基础设施的发展提出更高要求。5.5G将带来十倍于当前的网络能力,实现万兆体验、千亿联接和内生智能,满足丰富多样的业务要求,是迈向智能世界的必由之路。
汪涛指出,经过两年产业界的共同探索和努力,5.5G已经取得了3大关键进展:首先,标准节奏明确,5.5G已经开启标准化的进程,持续丰富5.5G的技术内涵,已经从愿景走向共识;其次,关键技术取得突破,超大带宽和超大规模天线阵列已验证万兆能力;第三,物联全景清晰,5.5G所支持的NB-IoT、RedCap和Passive IoT三类物联技术跨步向前,已具备收编所有物联的能力。
汪涛表示:“通信产业的巨轮滚滚向前,5.5G已经进入新的阶段。面向未来,我们倡议产业界在标准、频谱、产业链、生态和应用五个方面共同做好准备,加速迈向5.5G,携手共建美好的智能世界!”
做好标准准备,共同推动关键技术研究
标准是无线通信产业的龙头,将牵引5.5G产业沿着清晰的路线发展。R18版本需兑现5.5G十倍能力提升的目标,实现2024年如期冻结;R19及以后版本,共同探索新业务和新场景能力要求,持续完备5.5G标准技术,实现5.5G更长的生命周期和更强的生命力。
做好频谱准备,共同构筑超大带宽频谱
充分利用好Sub100GHz的频谱资源,为5.5G提供资源保障。毫米波是5.5G的关键频谱,运营商需要获得800MHz以上频谱兑现10Gbps能力;6GHz是潜在的超大带宽新频谱,各个国家需考虑在WRC-23标识后开始发放6GHz频谱;对于Sub6GHz的频谱,通过频谱重构也可以实现超大带宽。
第三,做好产品准备,共同催熟端管芯产业链
5.5G网络和终端要做好能力匹配。充分释放万兆能力。中高频产品需要超过1000阵子的ELAA技术,M-MIMO的通道数也需要走向128T,提供万兆网络能力;5.5G芯片和智能终端需走向3T8R甚至更多通道,并支持4个载波以上的载波聚合,打造万兆体验终端。
第四,做好生态准备,共同促进5.5G生态繁荣
产业界需深度合作促进5.5G生态繁荣,更好地服务全场景数字化需求。以物联生态为例,运营商和设备商要面向物联场景规划网络,兼顾人和物的需求;终端厂商的模组能力和成本要适配应用场景,行业和应用开发者要提前孵化应用。
第五,做好应用准备,共同创新跨时代应用
5.5G正加速从共识走进现实,为百花齐放的应用发展提供肥沃的土壤。全感官互动改变我们的沟通方式,实现跨时代的沟通体验;汽车走向泛在的智能网联,实现跨时代的出行体验;行业从信息孤岛走向智能联接,实现跨时代的行业升级。越来越多的创新应用将逐步勾勒出智能世界的全貌,产业界上下游需共同探索跨时代的新应用。
2022全球移动宽带论坛,华为携手产业合作伙伴GSMA和GTI,与全球移动网络运营商、垂直行业领导者、以及生态合作伙伴深入互动与交流,共议5G商业成功,探讨绿色、智能化、5G演进等热点话题。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
浙江大学等高校研究团队开发的VolSplat系统,通过"体素对齐"替代传统"像素对齐"方法,实现了快速高质量的3D场景重建。该技术仅需6张普通照片即可生成精确3D模型,在RealEstate10K等标准数据集上显著超越现有方法,为机器人导航、增强现实、建筑设计等领域提供了新的技术选择,代表了3D重建领域从二维思维向三维思维的重要转变。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
武汉大学团队与字节跳动公司合作,提出MAPO混合优势策略优化方法,解决AI训练中的"一刀切"问题。该方法能根据问题难度动态调整评分策略,避免传统方法中的优势反转和优势镜像问题。通过轨迹确定性判断和权重动态调整,在几何推理和情感识别任务上都取得显著提升,为AI自适应学习提供新思路。