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
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。