劃時代的技術(shù)變革,需要無數(shù)技術(shù)人員的付出和努力。如果說5G是一次影響人類社會的技術(shù)變革,一如工業(yè)革命,那么3GPP TSG RAN1主席陳萬士博士與眾多推動標準化制訂的產(chǎn)業(yè)伙伴們一道,成為了實現(xiàn)5G商用,從而影響社會,改變?nèi)藗兩畹闹匾α俊?/p>
5G商用:中國影響力嶄露頭角
5G技術(shù)帶給通信與商業(yè)的新變革,好似蒸汽機帶給工業(yè)的沖擊:一秒下載高清電影的5G手機、現(xiàn)實沉浸感強大的VR游戲、無人駕駛的出行體驗……隨著5G商用的臨近,眾多中國終端廠商早已蓄勢待發(fā),智能手機很可能成為人們享受5G的第一波福利。
中國的移動用戶體量龐大,作為一個具代表性的市場,在5G時代,中國影響力嶄露頭角。中國在標準化方面的成長,特別在過去十年是有目共睹,陳萬士博士表示。
“3GPP以開放、公正的架構(gòu)向包括來自中國的成員們在內(nèi),提供了聆聽彼此聲音,共同分析市場需求以最終謀取共識的平臺。”陳博士介紹道。例如,在5G標準化制訂、推動5G商用成為現(xiàn)實的進程中,終端及設(shè)備廠商包括華為、中興、大唐、小米、vivo、OPPO等都會聽取中國移動、中國電信、中國聯(lián)通等運營商的訴求,而高通等底層技術(shù)廠商也會聽取各終端廠商的訴求,從而在技術(shù)制訂、標準化操作方面做出調(diào)整,”陳萬士博士告訴環(huán)球網(wǎng)記者, “我們都希望制訂的標準能夠商用,不是為了制訂標準而制定標準。”
標準化的幕后故事
陳萬士博士于2006年加入高通研發(fā)團隊,從4G LTE到近期5G NR,參與了系統(tǒng)設(shè)計、原型開發(fā)、落地部署與標準化工作。自2008年開始參與3GPP RAN1至今,作為一名擁有17年通信從業(yè)經(jīng)驗的老兵,陳博士已經(jīng)服務(wù)3GPP的標準化制訂超過了10年的時間。
3GPP容納了全球通信產(chǎn)業(yè)人士,網(wǎng)絡(luò)運營商、終端制造商、芯片制造商、基礎(chǔ)設(shè)施制造商、學(xué)術(shù)界、研究機構(gòu)以及政府機構(gòu)等共同制訂5G標準,激烈的技術(shù)爭論時而有之。光是陳萬士博士帶領(lǐng)的TSG RAN1工作組,業(yè)界成員即超過500位,就很多技術(shù)細節(jié)共同討論。這樣龐大的人數(shù),有時候連找一個適合的會議場地都是挑戰(zhàn)。
2017年12月,3GPP發(fā)布5G標準NSA方案,隨后今年6月,3GPP5G標準SA方案出爐,而將在明年年底釋出的3GPP R16版本將更多的強調(diào)垂直領(lǐng)域的應(yīng)用拓展。
“3GPP聽起來是不易達成共識的團體,但實際上我們總是能夠達到共識。”陳萬士博士說。在采訪中,很容易感受到陳博士對于推動5G標準化的熱情。
去年8月,3GPP TSG RAN1成員投票表決后,陳萬士博士當(dāng)選工作組主席。其深厚的技術(shù)背景、任職經(jīng)歷,以及對運營商、設(shè)備商、終端廠商技術(shù)需求的綜合理解,使他獲得了成員們的信任。此外,四年的副主席經(jīng)歷也賦予了他營造開放、公平、有效地標準化制訂環(huán)境的經(jīng)驗,使他成為工作組中主掌標準化項目的最佳人選。
在寫下5G歷史的重要時刻,陳博士知道自己能把這件事情做好,并渴望參與更多。“在共識的機制下,以合作共贏為前提,開發(fā)出更好的產(chǎn)品,一起把5G產(chǎn)業(yè)做大,共同分享,這是正在3GPP中發(fā)生的事情。”陳博士說。
采訪中,記者可以感受到,在推動5G標準化進程的這一里程碑時刻,以陳博士為代表的3GPP成員們都有著一種正在書寫歷史的興奮與光榮。
當(dāng)然,標準化的過程其實充滿挑戰(zhàn),這是一場消耗耐力、精力,需要毅力與智慧的持久戰(zhàn)。
陳博士向記者解釋道,不同企業(yè)訴求各異,比如設(shè)備廠商在設(shè)計理念上,更強調(diào)時間的靈活性。但對于終端廠商可能又要從互操作測試的角度進行考量,而從運營商來看,則更側(cè)重考慮實際網(wǎng)絡(luò)部署的需要。
“這是非常繁瑣和耗時的過程。大家坐在一起,整合不同的聲音達成協(xié)議。其中所考量的并不來自于某一家公司、某一個端口,而是整個系統(tǒng)不同廠商的聲音。你可以想象,即使是終端廠商之間,大家的意見可能也不一致。”陳博士表示。
當(dāng)3GPP的工作面臨挑戰(zhàn)時,有時需要借由小組線下討論,通過公式演算,將技術(shù)問題分析得更加透徹。如果這時還難以達到共識,就需要尋求一種方案,共同做出一定程度的讓步。在3GPP中,多數(shù)提案很難原封不動地直接被采納,經(jīng)過討論,調(diào)整后新的方案往往都會比任何一方的原始提案更好。
“3GPP有這么多的聲音,有這么多公司參與,工作量很大,能夠按期完成每個階段的標準制定,實際上是非常驚奇的、讓人感到不可思議的事情,這也是讓我始終保持動力的原因。”陳博士告訴記者。
一場5G馬拉松
“要么不做,要做就是100%把它做好。”這是陳博士的座右銘,也是他對孩子念茲在茲的囑咐。在他的字典里,從來沒有放棄兩個字。
自去年8月陳萬士博士當(dāng)選RAN1主席始,至去年12月,非獨立組網(wǎng)(NSA)的5G NR規(guī)范需要在4個月內(nèi)制訂完成。于此期間僅有三次會議機會,每次為期5天的會議,都要討論至少3000篇文稿,可見完成標準制定的工作量之大、時間之緊,很多人視之為不可能的任務(wù)。
為了實現(xiàn)目標,陳博士進行了大量思考,深知必須改變工作方式,發(fā)揮團隊力量。
首先,他根據(jù)不同的技術(shù)和項目,任命來自高通、華為、vivo等公司的成員擔(dān)任技術(shù)領(lǐng)導(dǎo)(feature lead)。這些技術(shù)領(lǐng)導(dǎo)們對各方的提案進行相關(guān)特性技術(shù)問題的總結(jié),并主導(dǎo)線下討論,將不同公司的想法更好地提煉出來。
“即使如此,在極富挑戰(zhàn)性的標準制訂進程中,工作組還是會常常遭遇眾多挑戰(zhàn)以及巨大的時間壓力。”排山倒海壓力來襲時,陳博士排解壓力的最好方式就是慢跑。陳博士每周至少要慢跑5次,通常會選擇在每天凌晨四、五點晨跑,他2016年慢跑的里程總數(shù)達5000公里。“現(xiàn)在由于3GPP RAN1主席的身份,工作量較大。出差較少的時候,每天可以跑到近20公里,比如上個月我一共跑了近590多公里,”他補充道,一般情況下,每周五天70-80公里。
跑步的晨間時光,幫助他冷靜思考,剖析問題癥結(jié)源,然后再做思做出相應(yīng)調(diào)整。“很多事情不一定一帆風(fēng)順,會出現(xiàn)很多不如預(yù)期的狀況,經(jīng)歷各類挫折,但是慢跑在鍛煉身體的同時,更重要的,是我可以通過跑步去很好地調(diào)整自己,給自己減壓,并進行冷靜地思考。”陳博士說。
在重重挑戰(zhàn)之下,大家都知道最后的結(jié)果是,2017年底,非獨立組網(wǎng)(NSA)的5G標準如期完成。
這位長跑健將不僅僅在生活中從未間斷地奔跑,也在工作上持續(xù)實踐他的馬拉松精神。
陳博士指出,一旦設(shè)定一個目標,就要投入120%的努力。就像跑馬拉松,你要定目標,為了實現(xiàn)它,必須進行專門的訓(xùn)練。在RAN1做管理工作也是一樣,設(shè)定目標和方案,有一個很好的長期規(guī)劃后,具體執(zhí)行該方案,就一定可以做出來。
如果做不到呢?記者反問。“如果做不到也沒什么遺憾的,至少已經(jīng)完全投入,因為最后的成功不僅要靠個人能力,要靠團隊的努力,很多時候運氣也是很重要的一部分。”
5G的標準工作已于今年6月取得階段性成果,從標準上實現(xiàn)了從4G到5G的演進。從架構(gòu)上來看,此前部署4G的運營商在向5G轉(zhuǎn)化的過程中,面臨原本4G核心網(wǎng)絡(luò)是否可以連接5G空中接口的問題。相同地,全新部署的5G核心網(wǎng)絡(luò),是否要連接4G的空中接口;另外,移動終端需要考慮是否同時支持4G和5G,如何能與核心網(wǎng)絡(luò)進行連接等問題。R15版本在這些方面完成了共同的架構(gòu)。
現(xiàn)在,3GPP R16版本的演進正在繼續(xù),它在R15基本、關(guān)鍵的框架的基礎(chǔ)上,強調(diào)了垂直領(lǐng)域的應(yīng)用拓展,包括物聯(lián)網(wǎng)、免許可頻譜、衛(wèi)星通訊、基于工業(yè)控制的高可靠性和低時延、移動終端上的低功耗等考量繼續(xù)延伸。
3GPP是不斷拓展的成員驅(qū)動型組織,成果皆依賴于以RAN 1主席陳萬士博士為代表的等各方成員的共同研發(fā)工作、技術(shù)發(fā)明與相互協(xié)作。
“作為3GPP TSG RAN1的主席,我希望能通過我的努力,聆聽各方面的意見,代表3GPP TSG RAN1將工作按期、高質(zhì)量地完成,這對我來說非常有意義。”陳博士說。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。