微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 集十项全球首创特性于一身,骁龙X75再突破Sub-6GHz全球纪录

集十项全球首创特性于一身,骁龙X75再突破Sub-6GHz全球纪录

2023-08-10 22:17
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2023-08-10 22:17 科技行者

2023年8月9日,高通技术公司宣布,骁龙®X75 5G调制解调器及射频系统持续突破5G性能边界,在Sub-6GHz频段实现了高达7.5Gbps的下行传输速度,创造了全新纪录。

集十项全球首创特性于一身,骁龙X75再突破Sub-6GHz全球纪录

这一成果是基于今年2月在MWC巴塞罗那期间发布的全球首个5G Advanced-ready调制解调器及射频系统——骁龙X75而实现的,彰显了高通在突破5G性能边界、提升5G灵活性方面持续做出的努力。

此次连接基于5G独立组网(SA)网络配置进行终端测试,通过在单个下行链路中使用由四个TDD载波信道聚合组成的载波聚合实现300MHz频谱总带宽,以及1024QAM技术实现这一速率。

通过将四个TDD载波信道进行聚合,使运营商能够充分利用其不同的频谱资产,实现更高的数据传输速率。此外,与256QAM相比,1024QAM通过在单次传输中包含更多数据,最终实现数据吞吐量和频谱效率的提升。

骁龙X75的这两项性能,以及该调制解调器及射频系统支持的其它十项全球首创特性,能够带来更好的用户体验、更快的下载速度、更大的网络容量以及更高的频谱效率。这些特性能够为更多用户带来可满足未来需求、运行更流畅的终端,并支持对数据连接要求更高的应用,例如视频串流和下载、在线游戏等。

高通技术公司产品管理副总裁Sunil Patil表示:“骁龙X75 5G调制解调器及射频系统是我们有史以来打造的最智能的无线调制解调器,它面向未来而设计,具备能够支持5G Advanced特性的架构,旨在助力全球运营商定义下一代网络。我们期待继续与行业领军企业合作,带来业内最佳的连接体验,并推动消费、企业和工业场景下的行业变革。”

骁龙X75目前正在向客户出样,商用终端预计将于2023年下半年发布。欲获取更多技术细节和信息,请参阅博客文章和访问骁龙X75网页

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-