3月14日,TP-LINK发布了旗下3大系列共计12款全新Wi-Fi 6/6E路由产品,均采用来自高通沉浸式家庭联网平台和专业联网平台的系列解决方案。TP-LINK全系产品主打“无宽带不胜任、无终端不胜任、无户型不胜任”的强大功能卖点,为终端用户带来前所未有的“全场景、全介质”的Wi-Fi 6/6E连接体验。
对于TP-LINK全新路由产品的发布,高通技术公司副总裁兼无线基础设施与联网业务总经理Nick Kucharewski表示:“TP-LINK是高通的重要合作伙伴,此次发布的产品均采用高通领先的Wi-Fi解决方案,在数据速率、网络覆盖范围、支持客户端数量等方面带来丰富且具备差异化的连接体验,满足当今家庭对Wi-Fi网络性能的极致追求。”
当前,家庭网络中的联网终端数量与种类不断增长、终端数据需求和网络环境更加复杂,家庭网络性能正迎来新的挑战与变革,而移动办公等新场景的涌现正加速推动这一变革。高通沉浸式家庭联网平台和专业联网平台系列可提供面向全屋覆盖的数千兆级无线连接,帮助TP-LINK等终端厂商为用户打造兼具高性能与差异化特性的Wi-Fi 6/6E终端,满足用户远程办公、视频会议及观看高清视频等需求,并让家中每台在线终端都能保持最佳联网状态。
TP-LINK此次发布的“大道”、“飞流”和“盛世”系列路由产品分别定位“Wi-Fi 6”、“Super Wi-Fi 6”和“Super Wi-Fi 6E”路由。其中“大道”和“飞流”系列均采用高通沉浸式家庭联网平台,“盛世”系列产品则搭载高通专业联网平台解决方案。凭借这两款系列解决方案领先的性能与多样化的Wi-Fi配置,TP-LINK打造了12款具备差异化产品卖点与技术特性的全新产品,进一步丰富了TP-LINK的产品线与技术组合,并为全球家庭和用户带来满足众多场景需求的先进沉浸式Wi-Fi产品体验。
全新“大道”系列面向大众用户,采用高通沉浸式家庭联网平台,支持160MHz频宽、BSS着色机制、上行/下行MU-MIMO和多用户OFDMA等领先特性,并提供多种速率及双频/三频选择,可支持最高5.4Gbps的总可用物理层速率;“飞流”系列以“多流”为亮点,带来更高的速率与先进的特性,采用高通解决方案及频段聚合等多项技术,该系列可通过在三个Wi-Fi频段上支持多达10条数据流连接,为用户提供超过10.2Gbps的总可用物理层速率,并支持4K QAM及在单一信道多达37个OFDMA用户等特性;作为全新产品中的旗舰系列,“盛世”系列采用高通专业联网平台,针对全球市场多类型的专业场景及企业级用户,带来了强大的性能与全新一代的Wi-Fi先进技术规格,如面向部分可用地区用户,提供对Wi-Fi 6E标准的6GHz频段的配置支持(对尚未支持6GHz频段的地区,可支持2.4GHz/5GHz/5GHz三频配置)、全系标配三频并支持多达1536个用户的无线带机能力,以及通过最多16条数据流带来高达10.8Gbps的总可用物理层速率等。此外,基于高通解决方案对Wi-Fi Mesh网络的支持,结合TP-LINK全新的“易展2.0 Mesh Turbo”功能,多台“易展”路由器可实现“一键互联”,轻松打造更广的Wi-Fi网络覆盖。
除了3大系列12款路由器之外,此次TP-LINK还同时发布了采用高通解决方案的企业级万兆PoE·AC光电一体路由器(一体机)TL-R6812TP-AC,提供8个万兆自定义光口和4个千兆网口,并在软件方面支持多种企业功能,满足企业级用户对Wi-Fi网络的更复杂需求。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。