科技行者 7月22日 北京消息:在上一篇文章中,我們提到了邊緣網(wǎng)絡(luò)時(shí)代生存的方法,討論了邊緣網(wǎng)絡(luò)智能化的發(fā)展趨勢(shì)。隨著5G 等最新無線網(wǎng)絡(luò)技術(shù)使得通信容量得到進(jìn)一步提升,這種新型基礎(chǔ)設(shè)施將有力推動(dòng)創(chuàng)新應(yīng)用的開發(fā)。此類應(yīng)用大多采用高頻活動(dòng)模型,例如視頻或傳感器,其活動(dòng)通常由設(shè)備自行發(fā)起,并產(chǎn)生大量跨網(wǎng)絡(luò)移動(dòng)的數(shù)據(jù)。據(jù)思科最新的可視化網(wǎng)絡(luò)指數(shù)(VNI)預(yù)測(cè), 2017 到 2022 年,全球移動(dòng)數(shù)據(jù)流量將增加 6 倍,或相當(dāng)于以42% 的年增長(zhǎng)率增長(zhǎng),網(wǎng)絡(luò)性能升級(jí)成為大勢(shì)所趨。
無線卸載
存在密集的無線連接的網(wǎng)絡(luò)該如何應(yīng)對(duì)帶寬和連接方面的巨大挑戰(zhàn)?解決方案之一便是無線卸載。無論是擁有1,000 名顧客的大型零售商店,還是容量達(dá) 60,000 坐席的體育場(chǎng),亦或是容納 200,000名與會(huì)者的會(huì)議中心,所要傳送的數(shù)據(jù)量都是巨大的。通過無線方式傳輸數(shù)據(jù)的成本在容量上已經(jīng)達(dá)到了一個(gè)臨界點(diǎn),而這推動(dòng)了通過有線 網(wǎng)絡(luò)分流的傳輸需求的發(fā)展。這一趨勢(shì)還對(duì)邊緣網(wǎng)絡(luò)的性能提出了更高的要求,以滿足用戶對(duì)高性能連接和低延遲反應(yīng)時(shí)間的體驗(yàn)需求。
全新的性能需求
先進(jìn)的無線接入技術(shù)加速了 5G 和 Wi-Fi 6 的部署,包括采用 MIMO 和更高的頻譜技術(shù)。然而,不斷出現(xiàn)的設(shè)備和新應(yīng)用很快就會(huì)消耗掉所提供的容量。實(shí)際上,提供大帶寬介入正是界定多千兆速率以太網(wǎng)的一個(gè)主要因素。這種新的性能需求將影響所有的網(wǎng)絡(luò)層級(jí),促使上行鏈路提高端口速度,以處理增加的訪問帶寬。此外,堆疊鏈路的容量也會(huì)提升,從而促進(jìn)高效的端口部署,以及幫助應(yīng)對(duì)附加客戶端的增長(zhǎng)。
網(wǎng)絡(luò)容量的增加推動(dòng)高帶寬應(yīng)用的發(fā)展,支持新興的實(shí)時(shí)應(yīng)用以及網(wǎng)絡(luò)上并發(fā)活動(dòng)設(shè)備的擴(kuò)展。然而,頗具諷刺意味的是,由此形成的趨勢(shì)和未來的創(chuàng)新動(dòng)向又將繼續(xù)對(duì)網(wǎng)絡(luò)性能提出更高的要求。
性能是本系列文章所討論的第二部分,該系列文章介紹了隨著移動(dòng)和云應(yīng)用程序的激增以及網(wǎng)絡(luò)功能從核心向邊緣轉(zhuǎn)移,不斷發(fā)展的無邊界園區(qū)所需要的基本技術(shù)。遙測(cè)面臨的挑戰(zhàn)和洞見將在接下來的邊緣網(wǎng)絡(luò)時(shí)代生存的方法中進(jìn)行探討。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。