近日,在巴塞羅那舉行的2022年世界移動大會上,中興通訊聯(lián)合高通技術(shù)公司成功演示了應(yīng)用于智能電網(wǎng)的端到端5G TSN(時間敏感網(wǎng)絡(luò))。該解決方案支持電網(wǎng)差動保護等業(yè)務(wù),從而加速太陽能和風能等綠色能源的部署,賦能綠色電網(wǎng)。
在電力領(lǐng)域,風能、太陽能等清潔新能源的高效使用,可以有效減少火力發(fā)電引起的溫室氣體排放。然而風能、太陽能受天氣、地域的影響大,不穩(wěn)定,給新能源并入電網(wǎng)帶來挑戰(zhàn)。
為了利用5G遠程精準電網(wǎng)控制更有效地將可再生能源納入電網(wǎng),中興通訊推出了TPC(Time Promised Communication)時間可承諾通信解決方案,涵蓋了5G TSN/5G LAN/URLLC/SLA精準控制,并與高通技術(shù)公司符合3GPP Rel-16 5G TSN研發(fā)原型機進行了高效集成。該方案能夠滿足智能電網(wǎng)廣覆蓋,確定時延和高密度接入的要求,同時也能確保電網(wǎng)的安全和穩(wěn)定。端到端5G TSN與智能電網(wǎng)的協(xié)同,加速了5G在關(guān)鍵行業(yè)的應(yīng)用。
TPC解決方案為大規(guī)模、分布式可再生能源提供了靈活的擴展性。TPC能夠在嚴苛的環(huán)境下替代昂貴的光纖,實現(xiàn)最后一公里的無線確定性接入。另外,TPC解決方案助力電網(wǎng)實現(xiàn)了精準負荷控制,使風光水火儲各種電能和負荷在時間和空間上做到精確匹配。
“中興通訊致力于為客戶提供高品質(zhì)的聯(lián)接服務(wù)。TPC時間可承諾通信讓5G網(wǎng)絡(luò)說到做到,實現(xiàn)了SLA可承諾可保障。”中興通訊高級副總裁張萬春表示,“中興通訊和高通技術(shù)公司及其他行業(yè)伙伴展開深度的合作,實現(xiàn)了IT和OT的深入融合,幫助企業(yè)實現(xiàn)柔性生產(chǎn),提升資源使用效率,助力打造綠色低碳的產(chǎn)業(yè)生態(tài)系統(tǒng)。“
高通技術(shù)公司工程技術(shù)高級副總裁莊思民表示:“高通技術(shù)公司與中興通訊等行業(yè)廠商深入合作,致力于打造開放的5G TSN生態(tài)系統(tǒng),使整個行業(yè)受益。5G TSN為5G注入了新動力,在全球標準化和技術(shù)生態(tài)系統(tǒng)的支持下,為多個垂直行業(yè)提供高性能的連接。”
TPC解決方案能夠滿足工業(yè)互聯(lián)網(wǎng)領(lǐng)域關(guān)鍵行業(yè)應(yīng)用的需求,包括電網(wǎng)管理,機器控制和遠程手術(shù)等場景,顯著提升企業(yè)的運營效率。中興通訊與業(yè)界合作伙伴展開了廣泛的合作,幫助行業(yè)和企業(yè)加速業(yè)務(wù)創(chuàng)新,從數(shù)字化轉(zhuǎn)型中創(chuàng)造更大價值。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(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)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"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、注意力錨點機制和高效訓(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上都帶來顯著提升,其中最佳模型達到49.6%準確率,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。