作者:GSMA智库负责人Peter Jarich
回想2022年12月,我与一位客户在晚餐时谈及中国何时会放开国际旅行。一些人认为会在2023年春季,我对此将信将疑。然而,后来的事实证明了我当时的判断是错误的。
中国放开国际旅行的速度之快令人惊叹。因此,对于今年线下举办的MWC 上海来说,人们的热情高涨不足为奇。与往届一样,GSMA智库分析师团队将在现场主持会议、分享见解,并与行业生态伙伴进行深入的交流。如您有意面谈,请与我们邮件联系。
如往常一样,我们对本届大会的亮点进行了预测。在中国文化中,数字“八”被认为是最吉利的数字。我也入乡随俗,对2023 MWC 上海做出八大预测:
· 5G-Advanced成为焦点:近年来我们多次提出, 需要加快5G独立组网(SA)的部署工作。截至2023年第一季度末,SA在25个市场部署现已到位,相关工作取得了重大进展,但5G的建设依然任重而道远。同时,在大规模部署5G网络之际,中国正在规划下一步行动。而5G-Advanced正是从5G演进到6G的必经之路。
· 5G毫米波走向全球:2023年第一季度末,全球高频段频谱占5G频谱分配的18%,在26GHz、28GHz和39GHz频段共启用了23个网络。那么我为什么预测毫米波将成为MWC 上海的重磅话题呢?在亚洲扩大5G网络规模后,该地区同样会着眼于5G技术的未来发展,而为了应对流量需求,毫米波意义重大。此外,毫米波在5G企业级用例方面也发挥了关键作用,同时设备生态圈(包括中国OEM制造商在内)在助力5G毫米波发展中也起到了举足轻重的作用,因此5G毫米波也就自然而然地走向了全球。
· 垂直行业与变现:众多5G企业级用例得到了中国的移动运营商的支持,中国移动、中国电信和中国联通表示在各个垂直行业中商用5G项目超过3.5万个。随着B2B销售成为市场上5G变现的主要手段,B2B项目也将在大会上获得大量关注,包括重点用例和专用无线网络创新。
· AI无处不在:近年来,在电信网络和服务自动化方面,人工智能(AI)功不可没。到2023年,在ChatGPT等工具的推动下,生成式AI成为热门话题,并将AI进一步带到人们的日常生活中。与此同时,生成式AI也带来了一众全新的电信用例,如客户支持、代码生成和智能提案生成。人们将在不断的探索中,挖掘其价值并加以利用。
· 元宇宙发展:当你把低延迟的5G毫米波、AI和对5G变现的追求相结合会得到什么?答案就是元宇宙。围绕这一话题的内容不断涌现,但关于元宇宙有三件事是明确的。终有一天,元宇宙将改变人与互联网、人与人之间的互动方式。运营商们正在考虑多种策略将其变现。鉴于远程培训、远程协作和数字孪生等用例的投资回报,企业级应用将在短期内迎来绝佳发展机会。
· 基本的可持续发展:当我们问及运营商关于2023年网络转型重点时,得到最多的回答是可持续性。这是MWC 巴塞罗那的一个重磅话题,也将在MWC 拉斯维加斯延续,GSMA智库团队将在拉斯维加斯举办一场有关可持续发展主题的峰会(点击此处 联系获取更多细节)。毫无疑问,MWC 上海也将重点讨论有关可持续发展的话题,届时我们会看到大量的节能解决方案。但我希望寻找的不仅仅是节能硬件的解决方案,而是新的业务和服务模式、新的网络架构(包括云和边缘)以及利用移动通信推动其他行业可持续发展的亮点。
· 中国以外的市场洞察:我对MWC 上海的想法基本是从中国对移动通信行业的影响这一角度出发。但这显然并不全面,因为MWC 上海不仅仅着眼于中国。大会的主题、主旨演讲和会议内容也涵盖了中国以外的相关话题。中国运营商的见解对其他地区同行也具有同等价值。中国供应商也希望从其他地区移动通信行业的成功中吸取经验。同时,我在上文提及的技术和趋势也将对全球产生影响。虽然MWC 上海在中国举办,但其影响将覆盖全球。
我目前仅仅列出了七个(而不是八个)预测。在这里我想提出最后一个预测就是活力。我在文中提到,大家对今年的MWC 上海热情高涨。我预计参会规模与参与程度与MWC 巴塞罗那不相上下。这一点也反映在我参与的前瞻讨论中,我将在原有人员基础上加派50%的分析师来满足本次大会的需求。
中国是全球最大的移动通信市场,在5G创新方面硕果累累。读到这里,您应该也深有感触。本次MWC 上海通过面对面的交流,将迎来一场激动人心、见解独特、成果丰硕的盛会——欢迎点击此处注册参会。
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。