11月10日,2022年世界互联网大会“数字基础设施:互联互通与创新发展论坛”在乌镇互联网国际会展中心顺利举办。本次论坛以“融合发展协同赋能”为主题,由工业和信息化部、国家互联网信息办公室、国际电信联盟(ITU)共同主办。
在论坛的“尖峰对话”环节上,中国通信标准化协会理事长闻库、高通公司全球副总裁侯明娟、国家杭州新型互联网交换中心总经理叶朝阳、腾讯智慧交通首席科学家张云飞共同畅谈了数字基础设施的融合创新发展。侯明娟介绍了高通作为一家移动技术公司,多年来携手中国合作伙伴,共同为无线通信产业标准化和基础设施建设所贡献的力量,以及在汽车和VR等领域为客户提供先进解决方案的具体实践。她表示,数字基础设施的共建共享理念与高通公司的理念一致,高通一直以来都以“发明-分享-协作“的商业模式,携手产业内各方合作伙伴,共同拓展5G和AI领域的技术能力,共同把握未来移动通信产业的无限机遇。

图为高通公司全球副总裁侯明娟在“数字基础设施:互联互通与创新发展论坛”上发言
以下是侯明娟发言实录:

主持人:今天我们非常荣幸地邀请到了来自新基建产业链各方的重量级嘉宾,一起畅谈数字基础设施融合创新发展。首先请允许我介绍参与尖峰对话的4位嘉宾,他们分别是,中国通信标准化协会理事长闻库、高通公司全球副总裁侯明娟、国家杭州新型互联网交换中心总经理叶朝阳、腾讯智慧交通首席科学家张云飞。
设备厂商在推进数字基础设施融合创新发展方面扮演着非常重要的角色。以厂商的角度而言,在高通看来,基础设施融合创新发展有什么值得关注的新动向?在助力信息基础设施和融合基础设施协同发展的过程中,高通有什么经验可以分享?
侯明娟:
高通公司进入中国市场已经有将近30年了,大家应该对高通都很了解。所以今天在这里,我想跟大家分享一些高通公司的最新变化。
高通公司成立于1985年,是一家专注于无线通信技术的公司。从第二代无线通信技术开始,经历了第三代、第四代,再到现在的第五代通信技术,高通一直是推动技术不断进步的主要力量之一。与此同时,在行业主管部门的领导下,高通公司与四大运营商一直保持着非常深度的合作。
今天我想跟大家分享一个最近的亮点,除了传统业务和高通公司在标准化方面所做的贡献以外,如今我们还是一家智能汽车主要元器件的供应商。在这里我想给大家分享一个数字——当前在汽车领域,高通的汽车无线解决方案已在全球支持了超过2.5亿辆汽车。与此同时,我们汽车业务订单总估值已增长至300亿美元。
所以,今天的高通公司其实已经与以往有所不同。以前我们可能更多的是在跟和智能手机行业相关的客户接触,每天都在沟通如何在无线通信的技术上做演进。但回到今天话题——基础设施,听过刚刚前面几位运营商领导的分享,我觉得特别有收获。更重要的是,先前大家所提到的算力提升、数字基础设施的共建共享,这些其实跟高通公司在做的事情很像,我们的商业模式一直以来都是“发明-分享-协作”。
这几天在上海举办的第五届进博会的高通展台上,所有的展品都来自客户,因为我们的商业模式旨在让客户的产品真正落地。我们在VR等领域先进的技术和强大的算力,一定需要通过客户的产品来体现,这也是我们与客户深度合作的成果。目前,骁龙XR平台已在全球赋能了超过60款XR设备。
其实万变不离其宗,高通的业务战略也有核心思想的引领,就是“统一的技术路线图”。在一个万物互联的核心思想领导下,还有很多可延展的空间。无论是正在成为“车轮上的联网计算机”的汽车,还是元宇宙潮流之下的VR产品,大家的确都对它们充满了期待,而它们的核心就是连接和计算。除了这些技术趋势,各位在前面也分享很多合作的重要性,这些都能帮助我们再进一步拓展5G和AI的能力。所以今后还会有很多的合作机会,我们都很期待。谢谢。
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。