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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。