
GSMA 2025 MWC 上海今日在上海浦东嘉里大酒店举行开幕式,正式拉开帷幕。本届为期三天的盛会在上海新国际博览中心(SNIEC)举行,汇聚约400位演讲嘉宾与思想领袖,带来主旨演讲、峰会论坛及前沿技术展示等精彩内容。今年大会围绕四大核心主题展开:5G融合、人工智能+、行业互联与赋能互联。
GSMA会长白德伟Vivek Badrinath表示:“中国是全球最大的5G市场,并在 AI 与开放式 API 的发展方面走在前沿,这一切得益于运营商与开发者之间的深度协作。MWC 上海持续为展示这些技术如何重塑行业格局、推动广泛且可持续的增长提供重要平台。”
本次开幕式由GSMA Ltd.首席执行官洪曜庄John Hoffman和GSMA大中华区总裁斯寒共同主持。出席开幕并发表主旨演讲的嘉宾包括:中国移动董事长杨杰、重庆长安汽车董事长兼党委书记朱华荣、中国铁塔董事长张志勇、华为副董事长兼轮值董事长徐直军、新加坡电信国际数字服务首席执行官叶安娜、以及GSMA会长白德伟Vivek Badrinath。
GSMA Ltd.首席执行官洪曜庄John Hoffman表示:“我们非常高兴再次来到上海,迎来最具活力的一届MWC。从自动驾驶出租车、人形机器人,到AI智能终端和全自动驾驶技术,展会现场所呈现的创新成果充分彰显了亚洲数字与移动产业的惊人变革速度。我们诚挚欢迎各界观众亲临展会,共同见证连接技术如何赋能个人、产业与社会走向成功。”
推动 GSMA Open Gateway 在中国的发展
2025 MWC 上海今日举办了GSMA OpenGateway开放网关峰会,汇聚运营商、开发者及企业,共同探讨网络API的商业化前景。参与Open Gateway倡议的全球移动运营商集团已覆盖全球近80%的移动连接。峰会聚焦API商业变现策略、生成式AI集成及实际部署案例,凸显API在全球各行业中日益增长的战略价值。
2024 年,中国的网络API支出达5.14亿美元,占全球总量的94%,预计到2030年将增长至28亿美元*。GSMA Open Gateway倡议提供标准化的网络API接口,帮助开发者轻松将数字服务接入多个移动网络。目前,大中华区14家移动网络运营商均已加入Open Gateway倡议,并已在游戏、金融服务、媒体与制造等多个行业成功部署商用的按需网络质量(QoD)API。
推动行业协作
GSMA Foundry 作为行业协作与商业发展的创新平台,将在2025 MWC 上海呈现一系列创新项目展示,亮点将包括中国移动的电信行业大模型,Skylo卫星紧急通信解决方案演示,以及中兴通讯的多智能体协作解决方案。
2025 MWC 上海还将举办GTI国际产业大会,探索5G-Advanced向6G的创新发展路径,洞见未来的科技前沿交叉发展趋势。大会期间还将揭晓由GSMA Foundry及GTI 5G-A × A融通发展项目联合支持的“新通话×AI”挑战赛获奖团队。
本届MWC 上海全新推出GSMA 创新高地展区与GSMA政策领导者论坛,并首次举办2025世界机器人大赛选拔赛和IOTE。此外,备受期待的4YFN创新系列活动也将以全新活力回归,另有标志性的未来科技展厅,政府展团、GSMA主题峰会以及GSMA数字领导者计划等多项内容。请点击此处了解更多精彩活动。
推动气候行动进展
GSMA 今日在大会上发布了《移动净零排放:大中华区》报告。报告显示,尽管用户需求激增、5G部署迅速,中国移动运营商在2024年首次实现了运营碳排放同比下降4%。
MWC 上海今年还与上海新国际博览中心合作推出了一项全新回收倡议。N1 至 N5 展馆各出入口设置了回收箱,用于收集塑料瓶、易拉罐及印刷品。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。