截止今年4月,中国5G基站建设数量为264万个;
截止今年5月,中国5G基站建设数量为273.3万个;
如今,中国5G基站建设数量再次增长到了284.4万个。
这是华为无线网络产品线总裁曹明观察到的中国5G基站建设速度,这也成为中国5G技术发展速度的真实写照。
除了5G网络部署速度快,在2023 MWC上海期间,由IMT-2020(5G)推进组、5G应用产业方阵主办的5G发展创新论坛上,曹明还指出,中国5G技术还具备终端普及快,用户规模发展快的特点。
回顾中国移动通信技术发展史,用户规模发展到10亿,3G用了8年,4G用了5年,而5G仅仅用了3年。
“4G改变生活,5G改变社会,”如今已是5G牌照正式下发的第四年,5G技术究竟为社会带来了怎样的改变?
曹明在《拥抱5G发展新机遇,激发5.5G跃升新动能》的主题演讲中指出,5G网络不仅推动了视频产业的发展,让中国视频产业在五年间从7200亿的产值增长到了3万亿,还为千行百业带来了新的生产流程、新的物流模式、新的工作模式。
不过,如果以“十年一代无线技术”的发展规律来看,6G技术最早也要到2030年才能真正到来,在这之前,5G技术应该如何演进呢?
华为给出的答案是相较于原有5G技术拥有十倍网络增强能力的5.5G——将5G网络能力从下行千兆、上行百兆、百亿连接,扩展到下行万兆、上行千兆、千亿连线。
对于5.5G带来的体验升级,曹明从联人、联物、联车、联行业、联家庭、通感“五联一感”几个方面的能力升级进行了解释:
联人。移动通信网络最先连接的是人,5G时代,移动通信网络为人类带来的体验已经从过去语音短消息为主要媒介过渡到了如今的视频媒介。如今裸眼3D、XR、云手机将进一步助推人类走向全新的沉浸交互体验。
联物。在千亿物联网规模时代,RedCap产业成熟规模商用,Passive-IoT产业链加速发展,而RedCap、Passive-IoT接下来将成为物联网发展的关键。
联车。5G技术已经让智慧交通系统在北京、上海、天津、郑州多地落地,5.5G技术将进一步推动智慧交通规模化应用,甚至通过5.5G网络有可能在未来取代专用雷达,构建新型城市智慧交通系统。
联行业。5.5G网络将进一步支撑千行百业实现真正的数字化转型,走向核心制造环境、核心生产环境。
联家。未来视频产业将会从2D转向3D,从单向内容走向交互式内容,从置身事外走向沉浸式体验,5.5G将助推家庭大屏体验进一步升级。
通感。5.5G也将推动通信技术与感知技术融合,推动未来低空经济的空间感知能力。
为了推进5.5G技术加速发展,在本次论坛上,IMT-2020(5G)推进组也与通信产业链伙伴共同发布了“共创共享,共筑5G生态繁荣”倡议,以期共同推进亚太5G发展创新,加速5G-A迈向商用。
IMT-2020(5G)推进组组长、中国信通院副院长王志勤在论坛上也就推动5G应用规模化发展提出,应适度超前部署,夯实基础设施底座;分业分类施策,加快应用规模扩散;建强产业体系,推动生态融通创新;增强主体能力,畅通生态融通渠道。
过去四年里,中国5G技术发展引领全球,也为千行百业带来了改变,在接下来的5.5G时代,5.5G技术将进一步助推中国千行百业数字化转型升级。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。