蓝牙和Wifi技术谁更强?
随着技术的发展进步,蓝牙和Wifi技术在功用方面越来越趋同化,相似的使用环境和场景使得二者竞争也变得激烈。那么谁能打败谁? 蓝牙和Wifi技术到底谁更强?
作为一种支持设备短距离通信(一般10m内)的无线电技术,蓝牙的核心特点是:短距离,低成本,以及高速。蓝牙4.0包括三个子规范,即传统蓝牙技术、高速蓝牙和新的蓝牙低功耗技术。蓝牙4.0主要体现在电池续航时间、节能和设备种类上加以改进。而Wi-Fi是一种可以将个人电脑、手持设备等终端以无线方式互相连接的技术,802.11n在功耗和管理方面进行了较大创新,不仅能够延长Wi-Fi智能手机的电池寿命,还可以嵌入到其它设备中。
请知悉,为了方便比较,笔者统一采用目前较为普及的蓝牙4.0和802.11n标准进行比较。(注:最新蓝牙版本为4.1,增加对可穿戴设备和IPV6的支持,不过目前该版本尚未大范围普及。802.11ac则是802.11n的继承者,后续的802.11ad和802.11ae尚在起草当中。)
● 相同与不同
蓝牙和WIfi都属于无线通信网络标准,都可以工作在ISM2.4GHz公共频段。蓝牙使用的是FHSS方式,一般每秒钟跳变1600次,将83.5MHz的频带划分为79个频带信道,每个时刻只占1MHz的带宽。wifi所使用的协议是802.11标准,大部分802.11采用2.4GHz的ISM频段,也有少数国家采用5GHz的ISM频段。
● 传输速度
802.11n理论速率最高可达600Mbps,而目前业界主流为300Mbps。蓝牙4.0速率理论峰值是25Mbps,支持1Mbps数据传输速率下的超短数据包。现在802.11.ac最高是500 Mbit/s,据说未来的802.11.ad将达到Gbit/s的量级,当然主要针对10+m的范围(1km以内)。在传输速率方面,Wifi还是占有相当大的优势的。
一时瑜亮难分胜负
● 传输距离
Bluetooth4.0传输距离可以达到50米,传输范围100米。802.11n路由器在空旷地带的传输距离可以达到300M。这方面,Wifi比蓝牙稍有优势。成本
成本也是技术博弈的重要内容之一,目前来讲,蓝牙的成本要求要低于Wifi。
● 功耗
一直以来,蓝牙和Wifi技术面临的共同问题就是功耗,在电池电量有限的情况下,如何更有效地节省电量是用户选择的一个重要标准。蓝牙4.0仅使用了3个广播通道,每次广播时射频的开启时间也由传统的22.5ms减少到0.6~1.2ms。据测算,打开蓝牙初期电量消耗会增大20~30mA左右,待机后恢复正常待机电流 。蓝牙建立连接瞬间:70mA左右。大数据传输:110~130mA左右。
Wi-Fi则联盟表示,Wi-Fi直连设备可以支持WMM省电程序,可以将设备的供电时间延长15-40%。不同国家的Wifi发射功率标准不同,国内标准是50MW。在低功耗方面,蓝牙优势明显。
小结
目前,在中远距离以及传输速度方面Wifi比蓝牙更有优势,而在低功耗和成本方面蓝牙也是得天独厚。这两种技术都在不断发展进步,为我们人类社会的科技生活带来更好体验,可谓是一时瑜亮,没必要非此即彼。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。