2023年5月16日,中国移动携手高通技术公司宣布,双方已经联合包括vivo、小米和中兴在内的领先手机厂商,在实验室和外场环境下完成了基于IMS Data Channel(数据通道,以下简称DC)的5G新通话端到端业务验证,并首次利用骁龙®5G调制解调器及射频系统在基带侧实现完整的新通话IMS DC底层协议栈。此次合作将助力推动中国移动5G新通话业务的商用,为5G发展和创新注入新活力。
此次验证,在中国移动新通话实验室和外场环境下,来自高通技术公司、vivo、小米和中兴通讯的工程技术团队,利用搭载第二代骁龙8移动平台的vivo子品牌产品iQOO 11 Pro、Xiaomi 13以及nubia Z50,先后完成了基于中国移动试验SDK的IMS DC端到端业务验证,在传统音视频通信的基础上实现了实时交互信息的传输。此外在实验室中,高通技术公司还基于搭载骁龙X70 5G调制解调器及射频系统的测试终端,配合网络侧完成了IMS DC底层协议栈的调试,带来行业首个基于基带侧的完整的新通话IMS DC底层协议栈,提升了通话业务的可靠性。此次验证和调试,为后续5G新通话的业务创新、终端和芯片产业支持奠定技术基础。
5G新通话是由中国移动率先提出的5G标志性应用,是对传统音视频通话的升级。全新IMS DC的引入,能够支持图片、表情、菜单、AR/VR等全媒体数据的传输,提供创新的通话增强服务和丰富的实时交互应用,例如趣味通话、内容分享、实时翻译等,为用户带来可视化、多媒体、强交互的通话体验。作为企业级通信服务的重要载体,5G新通话还能通过业务升级的形式为企业提供多种通话业务模式的价值方案,支持企业带来可视化菜单、企业主叫名片、远程超声、智能维护等多样化用例,赋能政务、医疗、工业等多个行业,助力构建产业互惠、开放共赢的新格局。
中国移动终端公司副总经理汪恒江表示:“由中国移动率先提出的5G新通话,旨在打造开放的通话应用新生态,需要平台、终端、芯片、应用开发者和服务提供商等产业链各方的参与。此次我们联合广泛的产业链合作伙伴,成功开展的5G新通话端到端业务验证,为5G新通话的规模商用和产业繁荣铺平了道路。”
高通技术公司产品市场副总裁孙刚表示:“随着5G网络的规模部署和向5G-Advanced的持续演进,基于IMS DC的5G新通话将不断向前发展。作为中国移动5G新通话方案的积极持续参与者,高通技术公司在第一时间参与了相关技术方案的讨论,助力5G新通话技术的成熟与落地。我们将一如既往地支持中国移动商用SDK的验证推广,配合终端厂商早日推出商用终端产品,携手产业伙伴把握IMS DC商用部署带来的广阔机遇。”
vivo通信技术部高级系统工程师龚海辉表示:“相较于传统话音业务,5G新通话具有更快、更清、更智、更广等明显优势。此次实现的5G新通话业务验证,彰显了我们不断把技术积淀转化为产业驱动力,vivo携手中国移动和高通技术公司等生态伙伴共同推动5G新通话的发展,紧密协同、持续探索和优化应用场景,让5G活力再次绽放。”
小米手机软件部副总经理张国全表示:“作为应用的载体和服务入口,支持5G新通话的终端产品是推动5G新通话向全新水平发展和大规模普及的重要因素。此次基于IMS DC的5G新通话端到端业务验证,展示了小米与包括中国移动和高通技术公司在内的运营商和产业各方合作推动5G新通话发展进入新阶段的成果。我们将积极探索5G网络下的通话业务新功能、新模式,为行业和消费者带来更多创新的5G新通话应用,共绘5G新通话美好蓝图。”
中兴通讯副总裁、旗舰产品总经理张雷表示:“凭借在话音领域的深厚积累,中兴通讯在5G新通话的标准研究、规范制定、试点验证等方面展开了积极探索和实践。作为5G新通话创新的践行者,我们此次与中国移动、高通技术公司等合作伙伴完成的端到端业务验证,将有力支持5G新通话的商用和规模化部署。未来,我们将联合更多合作伙伴,打造支持5G新通话的终端,发展5G新通话产业,拓展新业务,创造新体验。”
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。