2021年6月28日,圣迭戈——高通技术公司展示其最新研发里程碑及创新成果,助力开启5G新篇章。全新升级的OTA研发测试平台和系统仿真彰显了高通技术公司在5G基础研发方面持续保持领导力,为全球各地的移动运营商及终端带来更大容量、更广覆盖和更低时延的增强5G系统。测试平台和系统仿真也突显了5G技术的横向扩展能力,以支持工业物联网、汽车、企业等广泛行业的变革。
高通技术公司工程技术副总裁庄思民(John Smee)表示:“高通技术公司致力于通过技术突破推动移动生态系统向前发展,并为智能手机及更多领域的新用例和新体验、以及全新行业带来出色的5G系统性能。我们的全新5G OTA技术研发测试平台和系统仿真基于公司在无线领域超过30年的深厚技术专长、端到端系统知识和全球市场经验打造,彰显了公司面向未来十年持续推动5G发展的领导力。”
高通技术公司的最新研究表明,在无线技术、边缘云处理和人工智能(AI)的推动下,全新5G的终端、部署和应用呈现增长势头。这些基于全新5G OTA技术研发测试平台的原型系统突显了高通技术公司持续研发未来5G技术以及下一代无线通信技术的决心。
全新原型系统包括:
• 夯实广域5G系统基础研发:高通技术公司的最新广域5G OTA测试网络、原型系统和系统仿真展现了5G系统的新功能和高效率。最新演示聚焦广域5G研究的5项关键议题,包括子带半双工、广域5G定位、跨节点机器学习、支持直连通信(sidelink)的5G NR-Light演进以及5G设备协议栈解耦。
• 扩展移动毫米波部署和应用:高通技术公司是毫米波技术的先行者,我们正持续开展突破性研究。全新毫米波OTA原型系统和系统仿真体现于智能毫米波中继、基于机器学习的波束预测、网络拓扑优化、毫米波物联网扩展和智能工厂毫米波应用这5大关键领域。这些演示展现了5G毫米波如何持续演进以支持更好的性能、更高的部署效率和更广泛的应用。
• 5G V2X直连通信助力迈向更加安全、智能的交通:高通技术公司的5G车联网(V2X)愿景是,让汽车与其它车辆、行人、骑行者、道路基础设施及更多事物互联,以提升道路安全。符合5G Rel-16规范的全新研发原型系统进一步推动5G V2X直连通信的演进,通过从广域5G网络转移带宽消耗型数据(比如本地高清3D地图)来提升网络容量,同时带来支持分布式时间同步的更加稳健的通信,即使在无法获取全球导航卫星系统(GNSS)服务时也能保持通信。
• 赋能工业4.0的全新效率:高通技术公司的5G OTA工业测试平台展示了突破5G技术边界的关键特性,为工业4.0奠定基础。展示的先进技术包括支持微秒级时间同步的时间敏感网络(TSN)、支持多点协作(CoMP)的超高可靠性、支持厘米级精度的室内高精定位,以及在工业物联网中新引入的直连通信以支持更高效的端到端通信。
• 基于5G移动毫米波的无界XR开启未来人机界面:无界XR推动实体世界、数字世界和虚拟世界的融合,通过5G和分布式计算开启更具沉浸感的移动虚拟现实与增强现实体验。演示采用高通技术公司优化后的端到端5G毫米波OTA系统,展示在多样化应用场景中高效地同时支持多个虚拟现实用户,例如工作场所协作,以及多人游戏。
• 为更优的绿色网络提供更高的系统效率:随着移动网络支持更大带宽、更加密集的部署和更多用户,高通技术公司的研究人员正在助力构建更优的绿色网络,包括研究全新的先进技术,比如能够大幅降低移动网络系统能耗、同时保持高性能数据链路的数字后失真技术以及更高阶的调制方案。
如需了解关于5G技术持续演进和高通技术公司无线研究重点的更多信息,请访问公司5G研究网页。
关于高通公司
高通公司是全球领先的无线科技创新者,也是5G研发、商用与实现规模化的推动力量。把手机连接到互联网,我们的发明开启了移动互联时代。今天,我们的基础科技赋能了整个移动生态系统,每一台3G、4G和5G智能手机中都有我们的发明。我们将移动技术的优势带到汽车、物联网、计算等全新行业,开创人与万物能够顺畅沟通和互动的全新世界。
高通公司包括技术许可业务(QTL)和我们绝大部分的专利组合。高通技术公司(QTI)是高通公司的全资子公司,与其子公司一起运营我们所有的工程、研发活动以及所有产品和服务业务,其中包括半导体业务QCT。
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。