2022年9月7日,圣迭戈/上海 —— 在IMT-2020(5G)推進組的指導下,為配合和支持推進組的5G毫米波測試計劃,高通技術(shù)公司和中興通訊成功實現(xiàn)了全球傳輸速率最快的5G毫米波獨立組網(wǎng)互操作性測試連接,并在兩大場景下取得了令人驚嘆的成果:測試實現(xiàn)了接近7Gbps的下行峰值下載速率,以及2.1Gbps的上行峰值速率。5G毫米波獨立組網(wǎng)支持在不使用LTE或者Sub-6GHz頻譜錨點的情況下部署5G毫米波網(wǎng)絡(luò)和終端,這使運營商能夠更加靈活地為個人和商業(yè)用戶提供數(shù)千兆比特速度、超低時延的無線光纖寬帶接入。利用不帶錨點的毫米波獨立組網(wǎng)部署模式,還可以在所有使用場景下支持綠色固定無線接入網(wǎng)絡(luò)的部署。
高通技術(shù)公司和中興通訊利用DDDSU幀結(jié)構(gòu),在基于26GHz(n258)頻段的5G毫米波獨立組網(wǎng)中取得接近7Gbps的下行峰值速率。雙方利用DSUUU幀結(jié)構(gòu)上行達到2.1Gbps的成果。在此次測試中,高通技術(shù)公司將搭載驍龍X70 5G調(diào)制解調(diào)器及射頻系統(tǒng)的移動測試平臺連接至位于中興通訊上海實驗室的中興通訊基礎(chǔ)設(shè)施,并基于4x200MHz下行帶寬和2x200MHz上行帶寬實現(xiàn)這一重要里程碑。
高通技術(shù)公司高級副總裁兼蜂窩調(diào)制解調(diào)器和基礎(chǔ)設(shè)施業(yè)務總經(jīng)理馬德嘉表示:“我們很榮幸能夠攜手中興通訊實現(xiàn)此次里程碑,這是推動5G毫米波獨立組網(wǎng)演進和未來商用過程中的重要一步。此次測試展示了無線光纖帶來的更快峰值速率、更多可用連接、更低時延和更高吞吐量,凸顯了其在提升消費者體驗和推動數(shù)字化轉(zhuǎn)型方面的潛力。”
關(guān)于高通公司
高通公司是全球領(lǐng)先的無線科技創(chuàng)新者,也是5G研發(fā)、商用與實現(xiàn)規(guī)?;耐苿恿α?。把手機連接到互聯(lián)網(wǎng),我們的發(fā)明開啟了移動互聯(lián)時代。今天,我們的基礎(chǔ)科技賦能了整個移動生態(tài)系統(tǒng),每一臺3G、4G和5G智能手機中都有我們的發(fā)明。我們將移動技術(shù)的優(yōu)勢帶到汽車、物聯(lián)網(wǎng)、計算等全新行業(yè),開創(chuàng)人與萬物能夠順暢溝通和互動的全新世界。
高通公司包括技術(shù)許可業(yè)務(QTL)和我們絕大部分的專利組合。高通技術(shù)公司(QTI)是高通公司的全資子公司,與其子公司一起運營我們所有的工程、研發(fā)活動以及所有產(chǎn)品和服務業(yè)務,其中包括半導體業(yè)務QCT。
關(guān)于中興通訊
中興通訊股份有限公司(H股證券代碼:0763.HK / A股證券代碼:000063.SZ)是全球領(lǐng)先的綜合通信信息解決方案提供商,為全球電信運營商、政企客戶和消費者提供創(chuàng)新的技術(shù)與產(chǎn)品解決方案。公司成立于1985年,在香港和深圳兩地上市,業(yè)務覆蓋160多個國家和地區(qū),服務全球1/4以上人口,致力于實現(xiàn)“讓溝通與信任無處不在”的美好未來。
好文章,需要你的鼓勵
浙江大學團隊提出動態(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、編程等任務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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,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模型訓練提供了新思路。
南洋理工大學與騰訊聯(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。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,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,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓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。