2022年3月28日,北京:GSMA特别推出Post MWC22思享汇,分享MWC 巴塞罗那的产业洞察。Post MWC22思享汇将于2022年3月31日举行,届时将探讨MWC22的主要议题与趋势,以及来自中国移动、中国电信、中国联通、荣耀、华为、高通、中兴、GSMA等重量级嘉宾的演讲。
GSMA大中华区总裁斯寒表示:“MWC致力于汇聚全球的移动生态系统,就颠覆性技术如何促成深远的变革展开富有成效的交流与研讨。中国是5G领先市场之一,在加速各行业数字化转型方面一直发挥着重要作用。我们邀请合作伙伴及各相关方齐聚一堂,鼓励国际合作,促进创新,推动发展,携手继续塑造5G未来,开启互联互通的新时代。”
MWC22巴塞罗那回顾
业界领袖将基于MWC22的重点趋势与成功案例,围绕关键经验与最佳实践展开讨论,探讨激发中国市场互联互通潜能的机会。MWC22标志着众望所归的线下盛会终于回归巴塞罗那。今年共有来自近 200 个国家和地区的 61,000多人现场参与,其中包括超过1,000 位演讲者。
出席 Post MWC22思享汇的思想领导者
该活动将聚焦充满活力的中国移动行业,重点关注运营商的 5G案例及应用场景、5G城市、元宇宙、智能终端、云网融合、算力网络等。GSMA非常高兴将迎来众多业界领袖,涵盖移动运营商、终端制造商、通信企业等等。专家们将讨论中国活力四射的移动产业前景、企业和城市的5G应用,以及塑造移动产业未来的趋势等。演讲嘉宾包括:
会议将于北京时间3月31日下午16:00-17:30首播。了解更多参会信息,请关注GSMA官方微信公众号“GSMA集伺盟”接收直播信息。
《2022中国移动经济发展》再次展示中国5G的领先发展
于今日发布的 GSMA年度报告《2022 中国移动经济发展》显示,中国的5G市场持续发展,预计到2025年,中国5G连接总数将从2021年的4.88亿增至8.92亿。到2025年,中国超过半数的移动连接将使用5G。
4G的采用率在2020年达到顶峰,但随着消费者越来越多地转向5G套餐,4G在2021年呈下降趋势。由于5G在中国市场的迅速普及,该地区成为5G使用的全球领先地区之一。5G市场的增长得益于不断发展的终端生态系统,以及越来越多的适用于5G的手机销售量与更加完善的网络覆盖。
其他主要内容包括:
《中国5G垂直行业应用案例2022》集中展示强大的5G应用
于今日发布的还有《中国5G垂直行业应用案例2022》报告,该报告介绍了中国由运营商和技术合作伙伴共同打造的多个行业应用场景中的16个5G应用案例。从智能地铁、自动巡查到环境监测、医疗救援指挥平台,该报告深入探讨了5G在5G City、智能制造和智慧矿山等方面的工业应用场景机会。
同时, GSMA大中华区还宣布与中国移动、中国电信、中国联通等13家合作伙伴成立5G City特别工作组,共同推动5G在城市治理中交通运输、应急公安、生态环境、民生服务和数字政府五大领域的应用,构建安全、高效、绿色、智能、宜居的5G City。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。