你會在智能手機上與朋友和家人通話嗎?會在超市排隊結賬時抽空瀏覽社交媒體嗎?會在乘地鐵上班時看視頻嗎?如果答案都是肯定的,那么高通技術公司的發(fā)明家張曉霞博士對此功不可沒,她所做的工作讓這些事情(以及其他眾多應用)成為可能。
2002年在俄亥俄州立大學獲得電子工程博士學位后,張曉霞加入了高通。她主要研究3G、4G和5G系統(tǒng)設計的關鍵領域,目前作為高通公司高級技術總監(jiān),她領導工業(yè)物聯(lián)網(wǎng)開發(fā)、共享/免許可頻譜和5G 開放式RAN的研究項目。她擁有2,500多項授權專利,是高通成果最多的發(fā)明家之一。
最近我們采訪了張博士,了解了她對高通的創(chuàng)新文化、3G/4G/5G研發(fā)工作,以及她手上的工業(yè)物聯(lián)網(wǎng)項目的思考。
您從小就想成為一位發(fā)明家嗎?如果不是這樣,是誰或哪件事啟發(fā)了您?
在加入高通之前,我并不知道自己想成為發(fā)明家,但這里的文化對我來說一直都是一種巨大的鼓舞。當我開始在這里工作時,我們正處于3G研發(fā)的最后階段,并且正在向4G過渡。在那段時間里,我與馬德嘉(Durga Malladi)博士一起工作,他現(xiàn)任高通技術公司高級副總裁兼蜂窩調(diào)制解調(diào)器和基礎設施業(yè)務總經(jīng)理。他是我的領導,給了我很多的指導和支持;通過觀察他的做事方式,我學到了很多。這促使我練就了發(fā)現(xiàn)問題并提出解決思路的能力。
您的工作重心一直圍繞手機和其他終端用于與蜂窩網(wǎng)絡通信的協(xié)議。您能解釋一下其中的原理嗎?
現(xiàn)代無線通信涉及許多不同的終端和各種使用場景,非常復雜。我們可以通過一個宏觀的、一般性的類比,來說明終端間如何進行通信。為了與蜂窩基站通信,你的手機首先需要發(fā)送一個所謂的調(diào)度請求??梢园鸦鞠胂蟪梢晃焕蠋煟幱谝粋€滿是學生的教室里,而你是正要舉手發(fā)言的學生。基站聽到你的請求后,會告訴你可以在何時何地發(fā)送數(shù)據(jù),以及可以持續(xù)多長時間——正如老師會基于請求按順序叫學生。基站也會詢問手機信道的狀態(tài)如何——基本上是了解用戶周圍的網(wǎng)絡環(huán)境,以及信號來回發(fā)送的清晰度——接著確認反饋,用來詢問手機聽到和理解所發(fā)送信息的情況。
每次連接都需要這三種信號,以便優(yōu)化網(wǎng)絡中進行的所有不同會話——但總是從每臺手機單獨發(fā)送每個信號確實效率很低。因此,為了幫助解決這些復雜的通信挑戰(zhàn),我提出了一個叫做“同時傳輸聯(lián)合編碼”的想法,即在編碼的同時發(fā)送關鍵信息,使系統(tǒng)盡可能高效地運行。該系統(tǒng)使手機能夠連接網(wǎng)絡,快速且高效地分享人們用于視頻通話、流媒體和網(wǎng)絡瀏覽等產(chǎn)生的大量數(shù)據(jù),它是進入4G和目前5G核心的真正基礎性技術。
目前您正領導高通在工業(yè)物聯(lián)網(wǎng)領域的研發(fā)項目。您能告訴我們此項工作涉及的內(nèi)容和項目目標嗎?
現(xiàn)在,大多數(shù)行業(yè)都高度依賴有線連接,尤其在工廠等領域。線纜隨處可見,這使得每次需要調(diào)整、改變工廠生產(chǎn)線,或是制造新產(chǎn)品時難以進行系統(tǒng)升級。我們努力讓5G連接在工業(yè)應用中和有線連接一樣強大,具有超高可靠性和低時延,并在工廠車間更具靈活性和更易重新部署的額外優(yōu)勢。這是真正的前沿技術所要達到的目標。
您能談談關于6G,您感到最興奮的是什么嗎?
在關于6G的初步討論中,人們正在討論的是那些已在5G中起步并且可能在6G中得到增強的用例。例如,想辦法利用網(wǎng)絡為用戶提供有關周圍事物的實時數(shù)據(jù)。這能夠切實幫助工廠快速確定機器或流水線的布局。許多無線研究貫穿了這樣一個核心:迭代和改進現(xiàn)有技術以滿足新需求并提高性能。
您在2002年博士畢業(yè)后就開始在高通工作。您認為在這段時間里作為一名發(fā)明家的內(nèi)涵發(fā)生了哪些變化呢?
我覺得最大的區(qū)別是,我們所研發(fā)的技術得以應用的領域發(fā)生了變化。一開始,3G和4G支持手機協(xié)議和網(wǎng)絡的運行。邁入5G時代,我們目睹了它如何擴展進入多個垂直領域——引入使用未許可頻譜、工業(yè)物聯(lián)網(wǎng)用例等。它不再僅僅涉及創(chuàng)建手機協(xié)議,現(xiàn)在人們有很多用例和問題要解決。
您對其他發(fā)明者有何建議?
要用敏銳的目光發(fā)現(xiàn)問題并與他人討論,把問題說出來有助于理清頭緒。此外,別人的觀點可能幫你更全面地理解問題。最重要的是,要想成為好的發(fā)明者,你需要有好的合作團隊。一切的核心就是解決問題——并且是團隊合作一起解決問題。
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,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(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幾何知識對培養(yǎng)AI空間智能的重要價值。