2014年即20年后的今天,中国互联网发展到怎样的高度?对中国及全球经济的贡献如何?在日前召开的2014年中国互联网大会上,工信部副部长尚冰作出解读,他表示目前中国互联网网民达到6.32亿,普及率达到46.9%,其中手机网民达到5.27亿。今年上半年,中国信息消费整体规模达到1.34万亿,网络购物规模达到1.1万亿,用户规模达到3.32亿。他说,“互联网已经成为中国最具产业创新发展的集聚平台”,“是打造新时代的经济引擎”。
20年来,整体网民规模从激增到稳步增长。而伴随着3G在中国的普及,以及LTE TDD/FDD混合运营实践的开始,手机当仁不让地成为中国网民上网主力,并成为拉动网民数目增长的重要因素。根据CNNIC的统计,在中国,目前用手机上网的网民占比83.4%,台式电脑和笔记本为69.6%和43.7%,手机作为第一大上网终端的地位非常稳固。
越来越快的接入网速、越来越方便无缝的接入体验是手机成为“上网霸主”的重要原因。目前,中国运营商正在全国范围内提供超过100Mbps峰值下行速率的LTE网络服务;而在全球其它一些国家,采用载波聚合技术的LTE-Advanced网络也已开始向公众提供开放。稍早前,新加坡运营商SingTel开始向智能手机用户提供300Mbps下行速率,首批智能手机为三星Galaxy S5 4G+;而此前LG G3 Cat.6和三星Galaxy S5 Broadband LTE-A也已经韩国推出,通过在两个无线信道(带宽分别为10MHz和20MHz)同时通信,支持最高225Mbps下行峰值速度。这几款手机均采用骁龙805处理器和Qualcomm第四代Gobi 9x35调制解调器。
“快”是大家选择手机上网的重要推动力。根据工信部的统计,截至到7月,今年中国移动互联网接入流量超过10亿G,同比增长56.1%,2014年以来每月同比增长均超过50%,手机上网方式贡献8成以上流量。与这个数据相呼应, Qualcomm执行董事长保罗·雅各布博士曾提出业界著名的“1000x”愿景,他表示,从2010年到2020年,全球移动数据流量将增长1000倍。
更快的网速是实现“1000x”的必要条件之一,而无缝、便捷的移动连接是另外一个重要因素。Qualcomm和移动行业诸多参与者也在多个场合表示,LTE FDD/TDD的共通融合将为“1000x”提供重要支撑。就在8月28日,中国电信、中国联通宣布继第一批试点之后,其 LTE TDD/FDD混合组网试验范围将继续扩大。从技术角度,LTE作为一个全球通用标准,特别有助于全球打造统一的产业链。3G时代各种通讯制式互不兼容,4G时代不存在这个问题。也就是说,FDD/TDD更像孪生兄弟,手机用户采用支持TDD/FDD以及后向兼容3G的多模手机上网,才能尽享全球统一4G标准以及无线网络持续演进所带来的便利。工信部曾表示,TD-LTE(LTE TDD)和LTE FDD相互融合并共同发展已成为未来全球移动通信产业的趋势。而中国移动总裁李跃也在多个场合称,五年来,中国移动推动TD-LTE(即LTE TDD)产业发展始终坚持的一个追求,就是实现融合。TD-LTE和LTE FDD是一个LTE,只是有两种不同的表现形式。
TDD/FDD是一个LTE,这也为厂商打造支持LTE TDD/FDD的5模10频、5模13频,甚至6模多频等终端提供了便利。中国移动总裁李跃曾表示,“我们重点发展的是5模10频,5模12频以上的终端,因为只有这种终端才能真正实现‘一机在手,走遍全球’,只有这种终端才能涵盖全球目前所有的LTE网络。”
与李跃所言“走遍全球”相契合的是,目前,中国手机厂商已经将目光投向了全球市场。工信部数据显示,上半年手机是电子信息类出口额最多的产品,达到451亿美元,同比增长8.7%,与第二名笔记本电脑的“剪刀差”正在持续加大,笔记本电脑的出口额同比下降30.1%。稍早前,Qualcomm首席执行官史蒂夫·莫伦科夫曾表示,从2007到2013年,中国OEM的3G/4G手机出口复合年均增长率大于30%。2013年,全球前40家3G/4G OEM中,有17家中国手机厂商,而07年只有5家。
目前,中国手机厂商正携自己生产的4G手机杀入国际市场。前不久,vivo在泰国推出了支持4G的vivo Xshot,支持LTE/3G多模。TDD/FDD的共通融合使手机厂商可以不再受标准差异的限制,快速进入国际市场,还可在一定程度上压缩研发成本。此外,用一个平台打造符合全球各个运营商需求的手机已经成为中国4G厂商的发展方向。从处理器角度, Qualcomm的多模LTE芯片组从2010年第一代开始就同时支持FDD和TDD,如今已经发展到第四代,目前所有面向不同价格区间的Qualcomm 4G LTE处理器不仅支持LTE TDD和FDD,还支持全球所有主要移动网络之间的无缝互通。
好文章,需要你的鼓励
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。
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。
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。