
苹果、三星等手机上有了Wi-Fi通话的时候,中国运营商的服务还没见踪影;当商场、博物馆、机场越建越雄伟的时候,运营商愈发犯愁室内覆盖……这些,其实爱立信都能帮运营商出主意:比如用手机拨号就能直接实现Wi-Fi语音通话,比如有像女生用的粉饼大小的支持TD-LTE的爱立信点系统。
iPhone iOS8发布的时候,中国用户第一次见识到了Wi-Fi语音通话,随后,微信电话本推出,腾讯快速切入了Wi-Fi语音通话市场。这在业内人士看来,是苹果抛给运营商的一大难题。现在来看,爱立信可以帮运营商迅速补齐这一产品。
其实,基于Wi-Fi的语音通话的需求最早来自于北美运营商,T-Mobile是第一个商用此方案的运营商。T-Mobile为了吸引用户,还为申请这一服务的用户赠送了个人小基站,这样,即便用户身处异国他乡,也一样可以用Wi-Fi语音通话来享受优惠的资费。
在地广人稀的北美,室内的语音覆盖是运营商经常遇到的一个棘手问题,Wi-Fi语音通话能有效地利用家庭、企业、公共Wi-Fi热点补充传统宏网络的语音覆盖。除此之外,Wi-Fi上的语音通话还能提供更高质量的语音电话服务与数据服务,充分挖掘移动增值业务收入的潜力。
借助此服务,T-Mobile在美国市场的份额从第四跃升到第三。
现在,爱立信的Wi-Fi语音通话解决方案已经就绪,能够提供端到端的商用Wi-Fi语音方案,支持VoLTE与Wi-Fi语音之间无缝衔接,并且得到了主流芯片厂商高通和英特尔的支持。
值得一提的是,在用户体验上,爱立信的解决方案可以在手机自带的拨号中实现呼叫,不管是呼出的体验,还是语音通话的体验,都不会让用户感受到与普通的语音通话有什么不同。
图:在手机拨号里面就可以直接呼出Wi-Fi电话,不需要另行安装APP
图:用户可以根据自己的需要进行拨号设置,选择是否Wi-Fi电话优先
据介绍,2014年10月,爱立信在北京向中国电信演示了这一技术,并完成了国内的第一个Wi-Fi电话。
拨出一个Wi-Fi电话,很酷,当然还有更酷的,那就是一个像女生用的粉饼大小的爱立信点系统,只要插上一根普通网线,就能实现室内覆盖。
这个小东西只有300g重,只要固定到屋顶上都可以,而且屋顶也完全可以承受这个重量,建筑本身装修一般也都会预留网线,利用一根网线,就可以快速部署,降低了60%的馈缆成本。
图:爱立信点系统非常小巧
爱立信的工程师们自称这是一款“颜值很高”的产品,小巧、做工精细。
图:在爱立信东北亚区无线创新实验演示中心(WILD Center)的屋顶上就部署了点系统,如果没有工程师的标识,很难发现
目前,Claro、MTS、新加坡电信、西班牙电信、Verizon和沃达丰等都已开展了测试并进行了部署。在世界各地的实际部署结果表明,移动数据吞吐量增加了5倍,通话中断率降至零,大大提升了LTE的室内覆盖效果。
在2015年3月的巴塞罗那全球移动通信大会上,爱立信携手中国移动首次展示了支持TD-LTE的点系统。
能够“洋气”的根源还是来自爱立信在创新上的投入。
位于南京的爱立信熊猫通信有限公司,现在是爱立信全球的三大供应中心之一,南京熊猫通信有限公司的总裁唐伟德介绍,南京爱立信熊猫通信有限公司生产的产品主要是在中国的北京,还包括其他的研发机构来进行开发的,开发之后的产品主要是在爱立信南京进行工业化和进行量产的,面向全球的客户进行交付和发货。
在过去六年当中,南京研发中心提交了116项的专利,其中36项获得了批准,同时还提出了163项的改进实施。
尽管受到毛利率下降的困扰,但是,唐伟德指出,精益和敏捷的方式来去开发生产是需要继续秉承的,也是由此进一步提升爱立信的核心竞争力的路径,从而提升利润水平。
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。