在特定时刻所使用的特定应用程序中,我们能使用的无线频谱是有限的。而且,我们所能使用的传输功率也是有限的(受限于法规及无线规模、成本及功耗等实际条件)。因此,无线设计人员和无线系统架构师开发了许多更加聪明的技术,在不违反本地法规或物理原理的前提下提升无缝网络的性能——而且通常提升幅度很大。
这其中最重要的技术是MIMO(多输入/多输出)——或许也是自19世纪末和20世纪初无线技术面世以来最大的一个进步。这里的输入和输出是无线频道。其核心概念是将我们要发送的数据编码成多个版本,然后同时通过多个无线通道发送和传输出去。这些传输就称为空间串流。这项技术的成功实际上取决于多路技术,而它在以前却一直是一个问题,因为它经常会导致无线信号发生毁灭性衰减。
但是,使用的路径越多,MIMO系统的表现就越好。这似乎有点不可理解。确实。以前有很多人认为MIMO是不可用的,因为它似乎违反了香农定律,它定义了可通过任意通道传输的信息数量。但是,MIMO实际上是一种三维技术,其中包括无线信号的频率、时间及空间维度。在三维空间去计算香农公式,其结果是正确的。最终结果是:MIMO的光谱效率很大程度取决于现代无线系统的吞吐量,而且未来还有继续提升的空间。
无论无线的效率有多高,我们都有理由去使用各种复杂的无线协议和网络协议,而它们通常都包含在标准中。这些协议包括许多无线LAN及其他无线系统的IEEE标准、各种蜂窝系统标准及其他无线实现。当然,这些协议在设计时都考虑了提高互操作性和降低成本,特别是通过减少通信流量来提升性能。它们还通过对操作系统及应用软件隐藏低层实现来提高可靠性,因此最终能够降低成本。例如,IEEE 802.11标准的设计目标是让无线通信变得像有线LAN通信一样——一个考虑了无线技术本身所有内在差异性的伟大壮举。
一旦我们到到网络层(第3层)以上,各种上层网络技术还能够提供进一步的优化。这里最重要的是系统供应商用于优化流量流的架构与实现决策。这些技术封装了许多智能,如应用感知性、在线时间公平性、无线资源管理(优化传输功率、使用无线频道等)及许多其他让最终用户体验到更高性能无线网络的改进。因此,虽然用户觉得一个无线网络性能高于另一个网络,但是它们的无线传输却没有太多的差异。相反,这些改进可能源于无线价值链中其他环节的优化。
现在,无线网络中有一些元件已经由软件实现,甚至有一些已经被移到云上。与等同代技术已经非常多地参与同代的无线系统,同样承诺会继续提高性能和降低价格。更快、更好、更便宜——是不是早就听过这些说法啊?它们已经真实地发生在无线领域中。
好文章,需要你的鼓励
谷歌发布数据共享模型上下文协议服务器,使开发者和AI智能体能够通过自然语言访问真实世界统计数据。该服务整合了政府调查、行政数据和联合国等全球机构的公共数据集。新服务旨在解决AI系统训练中常见的数据噪声和幻觉问题,为AI提供可验证的结构化信息。谷歌还与ONE Campaign合作推出数据智能体工具,该开源服务器兼容任何大语言模型。
这项由谷歌DeepMind研究团队完成的开创性研究首次系统阐述了AI智能体经济的概念框架。研究提出"沙盒经济"模型,从起源性质和边界渗透性两个维度分析AI智能体经济形态,预测未来将出现自然涌现且高度透水的AI经济网络。研究详细探讨了科学加速、机器人协调、个人助手等应用场景,提出基于拍卖机制的公平资源分配方案和使命经济概念,并深入分析了技术基础设施需求、社区货币应用以及相关风险防范措施。
微软宣布从周三开始将Anthropic的AI模型集成到其Copilot助手中,此前该助手主要依赖OpenAI技术。企业用户可在OpenAI的深度推理模型和Anthropic的Claude Opus 4.1、Claude Sonnet 4之间选择,用于复杂研究和构建定制AI工具等任务。此举标志着微软与OpenAI这对曾经独家合作伙伴关系的进一步松动。
中国人民大学研究团队提出LoFT方法,通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量,并扩展出LoFT-OW版本处理开放世界场景。实验显示,仅使用传统方法1%的数据量就能取得更优性能,为AI公平性和实用性提供了新的解决方案。