6月28日,2023 MWC上海盛大开幕。高通公司首席商务官Jim Cathey在GTI国际产业大会期间,发表主题为“5G+AI赋能数字未来”的演讲。演讲全文如下:

下午好,很高兴再次来到上海,也很荣幸能参加今年的GTI峰会。当前,我们正快速迈向人与万物智能互联的世界。高能效处理、分布式智能和网络边缘侧连接的融合正在推动这一趋势,使得数十亿智能终端能够实时连接至云端,也可以与彼此相连。同时,这一趋势正赋能全新服务、商业模式和体验,不仅助力行业数字化变革,而且改变了人们工作、生活、沟通和联系的方式。
5G对于数字未来至关重要。5G的开启恰逢其时,它出现在疫情前,实现在AI发展的初期,并且为未来的6G打下了坚实的基础。5G具有出色的性能、可靠性和容量,是数字经济的关键基础设施。
在中国,面向5G带来的全新机遇,高通与生态系统中的企业开展合作。为了更好地把握这些机遇,我们联合地方政府和合作伙伴建立了五个5G联合创新中心;我们也正在开展毫米波技术方面的合作,这一技术是实现5G终端、网络和服务全部潜力与价值的关键。5G的大规模部署预计将对全球经济增长产生重大影响。在中国,预计到2035年,5G将创造10万亿元的经济总产出,并支持1300万个新的工作岗位。

为了将5G扩展至更多行业,高通正与中国移动等行业领军企业合作,推动5G Advanced演进。5G Advanced是5G标准的第二阶段,它将带来赋能全新行业、用例和体验的增强功能与特性,包括AI驱动的系统设计、针对XR的全新优化和面向更低复杂度物联网终端的NR-Light(即RedCap)。高通也在研究通往6G之路的全新技术和功能。为了确保互操作性和可扩展性,我们需要全球统一的6G标准,这对移动行业的发展和成功至关重要。
AI是另一项对数字未来至关重要的技术,赋能终端感知、传感和更自主的运行。随着网联终端数量和数据流量不断加速增长,将所有内容传输至云端处理是不可行的。为了规模化扩展AI,在终端侧集成AI处理至关重要。大家或许没有意识到,但AI已经被应用于智能手机,并且几乎触及智能手机体验的方方面面——从影像到调制解调器及射频性能,再到恶意软件检测。
在终端侧运行AI还能带来众多益处,比如更高的即时性和可靠性、更个性化的体验和更好的隐私保护。当前,我们正将这些功能扩展至PC、物联网终端、汽车和XR头显设备,为这些丰富的消费类产品带来更强大的智能。
大语言模型和生成式AI是目前的一大趋势。随着这些模型被加速应用,仅在云端运行模型将变得不切实际,因为产生的数据规模庞大,且数据中心的基础设施、电力和维护要求成本高昂。基于终端侧智能,高通正在推动向混合AI架构的必然转变,即在边缘侧终端和云端之间分配AI工作负载,支持实现高度优化且高效的AI处理。高通相信,混合AI架构将在使AI大语言模型实现全部潜能方面发挥重要作用。

5G与AI的结合,正为各行各业带来创新机遇。在工业领域,更强的自动化控制能力、预测性维护和数字孪生等技术,正在推动向工业4.0转型。中国在推动5G工业应用方面的举措令人印象深刻,尤其是未来五年内建设超过1万个5G工厂的计划。在汽车领域,当前汽车正成为“车轮上的联网计算机”,集成了先进的处理、智能和连接能力。中国的汽车制造商正处于汽车数字化转型的最前沿,已经推出了支持5G和C-V2X的量产车型。
高通已植根中国发展近30年。多年来,我们一直与包括运营商、终端制造商、应用开发商在内的中国移动生态系统保持密切合作,支持他们持续增长。令我倍感自豪的是,高通已经与中国众多企业建立起牢固的关系,致力于持续合作,帮助中国加速实现数字未来。
谢谢大家,也欢迎大家继续关注本次大会的其它环节。
好文章,需要你的鼓励
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。