微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 谷歌、微软等成立WifiForward联盟 旨在推进Wi-Fi建设

谷歌、微软等成立WifiForward联盟 旨在推进Wi-Fi建设

2014-02-17 09:37
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-02-17 09:37 CNET科技资讯网

随着移动技术的发展以及消费者们对数据的需求变得越来越大,众多有线电视和科技公司为此已成立了一个名为WifiForward的联盟,目标是扩大无线网络的接入。

谷歌、微软等成立WifiForward联盟 旨在推进Wi-Fi建设

据《华尔街日报》报道,康卡斯特、时代华纳有线电视、有线电视运营商查特传播(Charter Communications)、谷歌和微软于当地时间本周四宣布组成了联盟推进WiFi建设项目。

现已证实,WifiForward联盟已覆盖18家公司和组织团体,其中还包括摩托罗拉、百思买、和消费者电子协会等。

该联盟的使命宣言称,WifiForward联盟是一个特别的、广泛式的公司、组织和公共部门机构的联合,目标是缓解无线频谱危机,希望美国政府能将更多的无线频谱资源分配给Wi-Fi网络,给予公共免费Wi-Fi更多的频谱支持。此外,该联盟旨在保护和加强现有当局未授权频谱的指定用途,希望能免费开放这些未经授权频谱不同频段的使用权,并建立透明和可预见、鼓励网络增长和部署的授权规则。

WifiForward联盟将游说美国政府开放更多频谱资源,用以创建新的Wi-Fi无线网络,这样就可以减轻当前由于移动技术、流量需求极大的应用以及音频和视频流的发展所导致的网络拥挤负担。

据思科统计显示,美国大约有57%的数据流量来自Wi-Fi网络的使用而非移动数据网络,而用户每月的无线数据传输量约为1.4GB。然而,该科技公司预测,到2018年,使用Wi-Fi网络流量的比例将会增加到64%,而无线数据传输量将增加到每月9GB。

对谷歌和微软等公司而言,改善Wi-Fi网络接入是言之有理的,毕竟他们的云计算和Web服务需要依赖频谱才能得以实现。举例来说,谷歌认为改善网络的速度将有助于对未来软营模式的支持,而且还有助于将数据传输速度提高至10Gbps方法的研究。

该联盟宣布的同时,康卡斯特公司还宣布了其通过股票互换以452亿美元收购时代华纳有线电视的消息。尚不清楚这笔收购交易是否会对时代华纳有线电视作为合作伙伴加入WifiForward联盟有什么影响。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-