科技行者 5月24日 北京消息(文/于艺婉):MWC19上海展会将于6月26-28日召开,据GSMA中国相关人士介绍,今年上海展会有3场主题演讲,10场行业峰会和5场领袖舞台。为了吸引更多企业参会,近日GSMA中国为MWC19上海展举行了媒体沙龙,并力邀运营商和设备商的重磅嘉宾分享了他们对于当前通信发展的理解。中国联通运维部总经理马红兵作为受邀嘉宾首先谈到了5G。他表示:“中国联通在三大运营商里面稍微激进一些。”
一个月之前,中国联通在上海发布其5G品牌标识——“5G?”及主题口号——“让未来生长”,充分诠释了联通5G致力科技创新、赋能行业、给用户带来无限精彩体验的品牌精神和品牌态度。
在媒体沟通活动上,马红兵对于5G?予以了重申。“它正式的叫法就是‘5G的n次方’, 5G的n次方让未来生长,这个n,大家也知道有很多很多的诠释,应该说代表了一种不确定性,充满了想象。“
回顾通信发展的历史,人们总是喜欢做一些规划预测,总想着今后的业务会按照人们的规划和预测去发展。现在回头看看,除了当初的短信外,彩信,彩铃,做得都算不上成功。反倒是后来的微信、抖音、快手取得了空前的发展。
“抖音、快手,他们告诉我,既要感谢运营商在资费上的便宜,也要感谢技术的进步带来了能力提升,双重的作用使得业务的发展出现了他们之前都没有想到的进步,这不是我们自己设计出来的,绝对不是我们想象出来的。5G杀手级好的业务我们并不知道是什么,所以,5G的n次方,既代表了今后不确定的因素,也代表了无数可以想象的应用。”马红兵说。
说到联通在5G上的激进,也和他们发布的“7+33+n”5G网络部署不无关系,即在北京、上海、广州、深圳、南京、杭州、雄安7个城市城区连续覆盖,在33个城市实现热点区域覆盖,在n个城市定制5G网中专网,搭建各种行业应用场景,为合作伙伴提供更为广阔的试验场景,推进5G应用孵化及产业升级。
很多人都在关注5G产业储备到底发展到哪一步,对此,马红兵表示:“到目前来说,平台基本成熟了,但是从我们测试来看,软件、功能、网管、端到端的问题还非常多,终端的IoDT测试,包括芯片测试,也还不断有问题出现。”马红兵说,“目前这个阶段,中国联通称其为友好用户的体验阶段。通过大家来用,不断的用,一方面我们做网络的实验室的测试,现网的测试,同时也发展一批用户,让大家在实际应用的过程中发现问题、解决问题。”
除此之外,马红兵还谈到了设备耗电及终端价格问题。“从设备来讲,耗电量比较大,体积也比较大,重量也比较重,对于我们的机房、电源、铁塔,都带来了很大的挑战。同时,终端价格还比较贵,从韩国来看,基本在8000到10000元钱,如果不能把价格降到5000或者3000元以内,对于5G的发展将是一个阻碍。“
虽然中国并没有真正启动5G市场,但中国也并没有在这一领域落后于全球的脚步。而说到最看好的5G业务,马红兵表示5G一个是自动驾驶,一个是智慧医疗与远程教育。“自动驾驶能把我们的双手、双脚解放出来,可以更好的提高效率,可以大幅度提高我们的生活质量。在一些封闭场景下,在奥运场馆,园区等一些局部区域自动驾驶应用是没有问题的,但在复杂道路上的还比较困难。因为教育和医疗和我们每个人紧密相关,由于医疗和教育资源的有限性,在5G出来之后,通过带宽的提升和虚拟现实等多种技术的应用,可以使有限的医疗专家、教师资源电子化、共享化,这将极大改变每个人和每个家庭。”
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。