今日,在“UP ·2021展锐线上生态峰会”上,展锐发布了多个5G创新成果。
在5GtoC领域,展锐曝光了6nm 5G芯片的跑分成绩,超过40万分的表现意味着搭载展锐6nm 5G芯片的智能终端,已经能够达到业界主流中高端5G智能手机的性能水平。
在5GtoB领域,展锐展示了全球首个5G R16 Ready技术验证实测成果以及展锐5G赋能医疗、物流、制造、采矿等行业的案例。
通过这些5G创新成果,展锐践行“数字世界生态承载者”的责任:为产业提供先进技术,支持伙伴拓展新领域。
超40万分!展锐6nm 5G芯片跑分曝光
进入2021年,5G已经从C端和B端两个层面展现出巨大发展动能。在C端,5G智能手机成为大多数消费者购机的“首选项”,中国信息通信研究院数据显示,截止7月底,我国5G手机终端连接数达到3.92亿户,比上年末净增1.93亿户。
今年上半年,展锐重磅发布了5G业务新品牌“展锐唐古拉”,其中针对消费领域的产品分为6、7、8、9四大系列, 6系定位于5G普惠型产品, 7系强调产品体验升级, 8系主打性能先锋, 9系则代表着前沿科技。其中,展锐唐古拉7系的6nm 5G芯片,自推出以来一直受到业界的关注。
展锐展示了展锐唐古拉6nm 5G芯片超过40万分的跑分成绩,同时表示目前已有多款搭载展锐6nm 5G芯片的品牌客户终端进入量产调试阶段,展锐正在不断努力,让这些产品尽快和大家见面,带来物超所值的体验。
纳秒级高精度授时!展锐展示全球首个5G R16 Ready技术验证实测成果
5G更大的价值在于行业应用。全球范围内物物连接的数量正在快速增加,已经超过了人连网的数量。在5G驱动下,未来物联网连接规模将远超个人连接,万物互联时代即将来临。
展锐展示了全球首个5G R16 Ready技术验证实测成果:5G R16高精度授时能将时间同步精度提高至百纳秒数量级。通过高精度授时,不同工业设备之间的协同合作才能精准同步,实现精准衔接与交互。
图为:展锐5G R16 Ready技术验证实测,5G R16高精度授时将时间同步精度提高至百纳秒数量级
高精度授时另一个典型应用场景是智能电网,能够实现电力差动保护业务信号的传输,快速实现配电故障的判断及准确定位,快速隔离故障。展锐在去年基于5G R15现网环境,已与合作伙伴验证了微秒级高精度授时,将供电恢复时间从分钟级缩短至秒级。而在今年,基于展锐5G R16 Ready平台V516,展锐成功将时钟同步时间再提升了一个数量级,有望进一步缩短故障隔离时间, 实现停电零感知。
今年7月,展锐联合联通成功完成全球首个基于3GPP R16协议版本的业务验证,这是5G R16标准迈向商用的重要里程碑,也是展锐5G技术创新的又一成果。R16能够满足ITU对全球5G标准各个场景的技术需求,将帮助5G从消费级业务迈向千行百业应用的星辰大海。
此次全球首个5G R16协议版本的业务验证,是基于展锐5G R16 Ready平台-展锐唐古拉V516。与此同时,展锐已经提前布局5G未来技术演进,推动合作伙伴在明年实现基于R16解决方案的规模应用,并将携手合作伙伴持续推进R17,始终追逐领先技术。
释放5G潜能,赋能千行百业
通过在技术侧、平台侧的完善布局和领先技术实力,展锐已经在5G行业应用领域成功落地了诸多实践案例。展锐分享了其5G技术赋能智慧医疗、飞机制造、物流、采矿等行业场景的最新案例。
5G+智慧医疗:
展锐与海南联通、联通物联网有限公司等单位共同申报的5G应用创新方案“5G智慧医疗点亮海南健康岛”,在“2021世界5G大会5G应用设计揭榜赛”中荣获5G应用设计大赛一等奖和最具投资价值奖。
“5G智慧医疗点亮海南健康岛”,作为全国首个基于5G技术、覆盖全省所有基层机构的远程诊断信息化项目,围绕远程会诊、智慧分级诊疗、智慧医院、急救系统场景开展5G智慧应用。
5G+飞机智造:
民用飞机制造是制造业皇冠上的“明珠”,在零件管理、装配进度、精准定位和数据传输等方面都有着近乎严苛的要求。展锐利用5G优势,结合飞机的设计研发、生产制造、试验试飞、运营支持等诸多流程,协助上海商飞完成了“5G智慧工厂”改造,实现了数据的实时传输与共享,极大地提升国产大飞机品质和竞争力。
目前,展锐已携手行业伙伴,商用落地了超百款行业终端应用案例,让5G技术赋能智慧医疗、智慧物流、智慧电力、智慧采矿、智慧交通、智能制造等千行百业的智能化转型。
未来随着5G加速赋能行业应用,展锐将携手行业合作伙伴,以进军行业市场的战略决心、推动更丰富的行业终端创新以及行业解决方案落地,释放5G潜能,赋能千行百业。
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。