CNET科技资讯网 2月23日 北京消息(文/周雅):5G标准的制定正在加速推进,也许会影响世界经济。HIS Markit研究预测,到2035年全球5G价值链将创造3.5万亿美元并产出2200万个工作岗位。基于蜂窝技术的车联网 C-V2X、公共安全、无人机通信、物联网、超低时延、数字电视广播等都将受到 5G 的直接影响。
目前包括华为、中兴、高通、爱立信、诺基亚在内的全球通信企业均已围绕5G展开布局,在昨天的高通5G峰会上,芯片巨头高通也第一时间对外公布了5G工作进展。
高通目前已经完成了首个基于3GPP 5G新空口(5G NR,NR指的是移动终端和基站之间的连接协议)标准的5G连接,5G 新空口有望成为全球5G标准。
该5G连接采用高通的6GHz以下5G新空口原型系统完成,展示了利用5G新空口技术可实现每秒数千兆比特数据速率,并较4G LTE网络显著降低时延。
另外,高通还将与中兴通讯、中国移动联合开展基于5G新空口规范的互操作性测试和OTA外场试验,对移动终端、基站以及网络之间的互操作性进行测试和验证。
这项试验,可以加速无线生态系统实现5G新空口技术的大规模验证和商用,使符合3GPP Rel-15标准的5G新空口基础设施和终端能够就绪,以支持商用网络的及时部署。
三家公司将在试验中展示多项5G NR技术,包括大规模多入多输出(MIMO)天线技术、自适应独立TDD、波束成形技术、基于OFDM的可扩展波形以支持更大带宽、先进编码与调制方案以及基于低时延时隙结构的全新灵活设计,实现每秒数千兆比特数据速率、低时延、高可靠性以及更多功能。这些技术对于日益增长的消费者需求至关重要,其将支持虚拟现实、增强现实和联网云服务等新兴消费移动宽带体验,并为自动驾驶汽车、无人机和工业制造等用例提供全新服务。
试验将基于中移动的5G技术指导建议书要求,使用高通的终端原型和中兴通讯的5G基站解决方案,并基于3.5GHz频段展开,该频段属6GHz以下中频频段,预期将在中国率先应用,以应对大量未来5G用例。
作为运营商,中移动对5G测试持开放态度。中国移动集团公司技术部总经理王晓云表示:“中移动已经完成了5G关键技术的第一阶段测试,并已开展第二阶段面向5G系统的测试。和高通、中兴合作进行的互操作测试将很好促进5G基站和终端的成熟,保证5G商用的时间。我们希望与更多的合作伙伴一起通过试验测试促进全球统一标准的制定、加速产业成熟并打造协同创新的跨行业融合生态。”
事实上在21日,高通对外公布了第七代LTE多模调制解调器即第二代千兆级LTE解决方案——基于10纳米的骁龙X20 LTE芯片组。
高通称,它是首款已商用的、能带来“像光纤一样”(fiber-like)最高达1.2 Gbps的LTE Category 18下载速度的千兆级LTE芯片组,与前代产品相比实现了20%的下载速度提升。
它还支持支持3个LTE载波上的4x4 MIMO,5x20MHz 载波聚合,能够提供最高1.2Gbps下行速度和150Mbps上行速度。同时骁龙X20 LTE将授权频段需求降至10MHz,使用最高达80MHz非授权频谱,这就提高了普及千兆级网络的可行性。
目前骁龙X20 LTE调制解调器已开始向客户出样,首批商用终端预计将于2018年上半年上市。
而且,为了配合千兆网的商用,高通还公布了首款端到端802.11ax Wi-Fi 产品,可以为密集 Wi-Fi 网络提升容量。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。