2021年5月21日,北京——中興通訊、中國聯(lián)通、高通技術(shù)公司與TVU Networks今日宣布,四方在實驗室環(huán)境下成功在26GHz(n258) 頻段上完成全球首次基于大上行幀結(jié)構(gòu)的5G毫米波8K視頻回傳業(yè)務(wù)演示。本次演示在IMT-2020(5G)推進(jìn)組和中國聯(lián)通的技術(shù)指導(dǎo)下進(jìn)行,采用26GHz毫米波頻段與900MHz LTE頻段的雙連接技術(shù),其中毫米波上行峰值速率達(dá)到了930Mbps。中興通訊在本次演示中提供5G毫米波基站,TVU Networks的5G多網(wǎng)聚合路由器通過搭載高通驍龍™ X55 5G調(diào)制解調(diào)器及射頻系統(tǒng)和高通QTM527毫米波天線模組的CPE形態(tài)的測試終端提供的5G 毫米波連接,將實時采集的8K視頻內(nèi)容通過5G毫米波上行鏈路實現(xiàn)穩(wěn)定的回傳,并最終在接收端成功接收進(jìn)行回放。
根據(jù)IMT-2020(5G)推進(jìn)組的5G毫米波測試計劃,2021年將推動毫米波大上行幀結(jié)構(gòu),支持差異化應(yīng)用場景。超高清視頻尤其是8K視頻的實時回傳,對移動網(wǎng)絡(luò)的上行鏈路帶寬有非常高的要求。此次演示所采用的DSUUU幀結(jié)構(gòu),通過為上行鏈路分配更多時隙,將現(xiàn)有毫米波技術(shù)的上行鏈路峰值速率提高到了3倍。演示驗證了5G毫米波的超級上行能力,對于滿足未來眾多5G行業(yè)應(yīng)用的上行大帶寬需求具有重要意義。
2021年是5G“加速普及”的一年,5G正在加速賦能千行百業(yè),為數(shù)字經(jīng)濟(jì)的發(fā)展注入新動能。與消費(fèi)終端市場的傳統(tǒng)下行大帶寬業(yè)務(wù)需求不同,一些垂直行業(yè)應(yīng)用提出了大幅提升上行傳輸?shù)男滦枨?。作?G的重要組成部分,毫米波在性能部分擁有諸多優(yōu)勢,包括增強(qiáng)上行鏈路的網(wǎng)絡(luò)容量,有效滿足5G垂直行業(yè)的業(yè)務(wù)需求。以本次突破性的業(yè)務(wù)演示為例,不僅展示了5G毫米波高帶寬、高容量、低時延的技術(shù)優(yōu)勢,更加突顯了5G毫米波的上行增強(qiáng)能力在推動大型賽事和活動中的媒體直播、有效應(yīng)對體育場館/演唱會等對上行帶寬需求較大的公共網(wǎng)絡(luò)場景下所能發(fā)揮的重要作用。同時,本次業(yè)務(wù)演示也為更多行業(yè)應(yīng)用和服務(wù)的發(fā)展,比如遠(yuǎn)程醫(yī)療、智慧工廠、智慧港口等場景中的超高清視頻監(jiān)控多點(diǎn)并發(fā)上傳、精準(zhǔn)遠(yuǎn)程指導(dǎo)/控制等,鋪平了道路。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(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。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(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)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,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AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(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。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。