今日,在华为举办的无线首届媒体沙龙暨MBBF2021预沟通会上,华为无线产品线首席营销官甘斌发表了“华为持续引领,开辟5G Massive MIMO绿色新赛道”的主题发言,分享了Massive MIMO的下一个突破性创新方向,引领绿色5G网络建设。在发言中,甘斌表示:“面向双碳目标,华为通过超大规模天线阵列的突破性创新持续引领,开辟5G Massive MIMO绿色新赛道,充分利用天面资源,最大化绿色节能和体验覆盖。”
华为无线产品线首席营销官甘斌发表“华为持续引领,开辟5G Massive MIMO绿色新赛道”的主题发言
在全球“双碳”战略下,各个行业都在以绿色为目标践行节能减排。尽管移动网络的碳排放仅占到全球碳排放总量的0.3%,国际电信联盟和全球运营商仍然积极推进“双碳”行动计划。作为通信设备供应商,华为一直通过技术创新引领绿色节能产业方向。早在2014年,华为率先将Massive MIMO引入4G网络,在5G时代更是将Massive MIMO与大带宽相结合,实现了与LTE 4T4R相比20倍以上比特能效的提升。
“从移动网络绿色节能的发展规律来看,通过突破式创新,可实现比特能效的阶跃式提升”,甘斌分享到,“现在,我们也已经找到了围绕Massive MIMO的下一个突破式创新方向。”当前,Massive MIMO的节能方式是对中射频、功放等有源部分的持续优化,使能比特能效的渐进式提升。“我们通过对基带算法、天线等软硬件创新,实现超大规模天线阵列,最大化天面利用、绿色节能和体验覆盖,开辟5G Massive MIMO绿色新赛道”,甘斌解释到。
天面利用最大化。传统MM的迎风面积只有0.3平方米,远小于0.7平方米的存量低频天面迎风面积,现网站点天面空间没有充分利用。在满足天面工程规格对迎风面积小于0.8平方米的基础上,新型绿色版MM可以实现无障碍部署,充分利用空间,最大化天面资源利用率。
绿色节能最大化。超大规模天线阵列实现更窄的业务信道波束,在终端接收相同功率的情况下,基站可以配置更低的发射功率,降低基站能耗。比如,新型绿色版MM配置160W的发射功率,即可达到传统MM 320W的覆盖范围。根据理论分析,在边缘用户覆盖体验相同的前提下,新型绿色版MM可以降低50%以上能耗。
体验覆盖最大化。在不增加基站发射功率的前提下,新型绿色版MM能够提升下行覆盖3dB,与此同时,因为基站的接收性能的增强,上行覆盖也会相应增强3dB。根据仿真数据,新型绿色版MM的边缘用户平均体验可提升30%。
“上面分享的仅仅是Massive MIMO与绿色节能需求相互融合的一个例子”,在发言的最后,甘斌说到,“5G技术还将持续发展,应用场景从5G的三角形扩展为5.5G的六边形,而产业也在不断提出新的需求,除了绿色节能外,还包括个人体验的不断升级、toB行业新能力等。在接下来十年,技术演进和产业需求将持续融合创新,释放5G无穷潜能。”
好文章,需要你的鼓励
这项由IIT马德拉斯与BITS Pilani联合发布的研究(arXiv:2604.21523,2026年4月)构建了FOCUS元评估基准,系统检验了评审型视觉语言大模型的可靠性。通过向超过4000个图文和图像样本中注入40种受控错误,研究发现顶尖评审AI的检测失败率在某些条件下超过50%,物理合理性和视觉细节类错误尤为难以被发现,两两比较是最可靠的评审范式。
这篇由Sylph.AI发布的技术报告提出了一套两层自动化框架,核心思想是让AI自动优化自身的运行脚手架,再进一步让AI学会如何更高效地做这种优化。内层的脚手架进化循环通过工人代理、评估代理和进化代理的协作,自动迭代改进单个任务的运行配置;外层的元进化循环则在多个任务上训练,学习一套能快速适应任何新场景的通用进化蓝图,从而彻底消除人工脚手架工程的需求。
这篇由英伟达等顶尖机构联合发表的论文提出了一种名为Voyager的新型智能体。研究团队以《我的世界》为实验平台,通过引入自动课程规划、技能库存储以及迭代反馈机制,成功让大语言模型主导的AI在完全无人类干预的情况下,实现了在复杂开放世界中的自主探索与终身学习。实验数据表明,Voyager在物品收集、探索范围及技能解锁速度上均呈现出远超传统方法的压倒性优势,为未来开发能够自主解决真实物理世界复杂任务的通用人工智能奠定了关键的理论与实践基础。
这项由伊利诺伊大学、斯坦福大学、英伟达和麻省理工学院联合发布的研究(arXiv:2604.25917,2026年4月)提出了RecursiveMAS框架,让多个异构AI模型通过轻量级模块RecursiveLink在内部信号层面直接传递"潜在思想",形成循环协作,彻底绕开了传统多AI系统依靠文字传话的低效方式。配合两阶段内外循环训练策略,整个系统只需优化极少量参数,就能在数学、科学、代码生成和搜索问答等9个基准测试上取得平均8.3%的精度提升,同时实现最高2.4倍推理加速和75.6%的token用量削减。