在国内光纤光缆企业取得巨大成就的同时,我们也要清醒地看到,规模巨大并不意味着就是我国已经成为产业强国。如何从光纤光缆制造大国向制造强国成为摆在国内光纤光缆企业面前的课题。
2014年作为中国4G元年,4G网络将迎来建设热潮,国内光纤光缆企业再次迎来了一个良好的发展机遇。还记得,国内光纤光缆企业就是抓住2009 年左右的3G网络建设之机实现了长足的发展。这一次,他们又该如何抓住4G机遇,让梦想照进现实,笔者采访了烽火通信线缆产出线项目管理部总经理刘骋,听 他来谈一谈当下国内光纤光缆市场的机遇和挑战。
话题1:2014年的光纤光缆市场走势
Q:2014年,既是宽带中国战略落地第一年,又是中国4G元年。这一年对于国内光纤光缆市场来说,无疑是利好的一年。请您首先对今年的光纤光缆市场做一个预判。
刘骋:等待多年,宽带中国战略终于正式落地。但是,宽带中国目前仍然面临着政策、资金和技术创新三大待解困局。在这种背景下,2014年,运营商固 网投资明显放缓已成不争的事实, FTTH用蝶形光缆、室内光缆用量将减少。因此,今年宽带中国战略和宽带中国2014专项行动的实施并不能显着提升光纤光缆市场的规模。
硬币的另一面,是俨然到来的4G建设热潮。2014年,三大运营商的投资重点转向4G网络建设,成为2014年的线缆产业发展的核心驱动力。在"宽 带中国2014专项行动"的引导目标中提出,2014年新建TD-LTE基站30万个,发展TD-LTE用户3000万户,这将有效带动相关线缆产品的市 场需求。今年以来,用于移动通信传输的室外光缆需求增长强劲,用于基站的射频拉远光缆需求呈现井喷态势。
与此同时,CATV和电力网络用光缆需求量持平,信息化大市场对光纤光缆的需求量仍然增长较快。
综上所述,2014年光纤光缆市场将保持持续增长态势。粗略预测,2014年中国光缆需求达到1.41亿芯公里,占全球光缆总需求2.82亿芯公里 的50%,中国光缆需求全年增长率将达到14%。以第1季度为例,工业与信息化部统计信息显示,全国新建光缆线路72.4万公里皮长,相比于2013年第 1季度实现了18.8%增长。
2018年中国光纤光缆市场收入或达1650亿
近日,知名市场报告网站“企业与市场”发布“中国光纤光缆制造市场报告”。
报告指出,2013年中国光纤制造市场和光缆制造市场收入增长18.4%,达153亿美元(约合人民币948.6亿元)。到2013年的过去5年, 行业收入年利率达17.2%。2008-2013年,高度的国内市场增长率每年达17.6%,这得益于大量信息技术和通信项目需要光缆市场的产品。
由于对网络和移动手机服务的强劲家用需求,信息技术和通信领域成为光纤光缆的主要市场。另外,发电企业是行业的另一大重要市场。
2013年,中国约有280家光纤光缆制造企业,雇佣员工11.315万人,工资支付总额达10亿美元(约合人民币62亿元)。2008年,中国光 纤光缆制造业仅165家企业,员工约4310万人。2008-2013年,由于行业利润及需求增长,新企业以每年11.2%增长进入市场。2013年,行 业利润约占行业收入的9.2%。
2013至2018年的5年中,光纤光缆制造业收入预计以年利率11.6%增长,到2018年达266亿美元(约合人民币1650亿元),这是由通信领域光纤光缆替代铜缆应用驱动。然而,2013年后,由于行业趋向成熟,市场增长将开始减缓。
好文章,需要你的鼓励
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。