IEEE 802.11协议是当今无线局域网的通用技术标准,自1997年诞生至今已经发展出超过35个修正、补充与衍生版本,已经进入民用路由领域的 802.11a/b/g/n/ac则是当中发展得比较成熟的5个版本。然而在这个802.11n尚未完全退市,802.11ac仍需进一步普及的时 候,IEEE 802.11协议再次获得了更新,这次与大家见面的是IEEE 802.11ax标准。
IEEE 802.11ax标准是802.11协议的最新修订版本,与802.11ad和802.11ah这些补充与衍生版本不同,802.11ax是属于后续发展 标准,这意味着它很可能会实行商品化。与802.11ac标准相比,802.11ax可以说是前者的继承与发展版本,两者均使用5GHz频段,并支持 MU-MIMO技术,只是在802.11ac标准中,MU-MIMO属于“选配”,目前只在“802.11ac Wave 2”的旗舰产品上应用;而在802.11ax标准中,MU-MIMO属于“标配”,首发将直接提供支持。
此外802.11ax还有一个非常重要的革新,就是引入了OFDMA(Orthogonal Frequency Division Multiple Access)正交频分多址技术,该技术有在WiMax和LTE中使用,被誉为是下一代无线网络的核心技术。OFDMA技术可以把一个常规信道分为数个甚 至是数十个正交子信道,通过把这些子信道叠加并分配给不同用户的方式,大大提升数据传输的效率。
与802.11ac中使用的OFDM(Orthogonal Frequency Division Multiplexing)正交分频复用技术先比,OFDMA技术理论上可以为数据传输效率带来10倍的提升,即便考虑上干扰、损耗、调制解调速率等因 素,OFDMA的效率少说也是OFDM技术的4到5倍。
实际上802.11ax标准的首要目标就是把无线网络的速率提升至802.11ac标准的4倍,目前在5GHz频段和80MHz频宽 下,802.11ac的单流理论速率为433Mbps,按此计算802.11ax的在同等条件下的单流速率则高达1733MHz,如果再加上4x4 MU-MIMO技术和160MHz频宽的加成,802.11ax标准可以提供的理论速率将达到14Gbps,相当于1.75GB/s,直接秒杀了现在的 “千兆光纤”。
当然对于无线网络来说,速度是一个重要参数,但不是唯一的重要参数,网络覆盖范围也是非常重要的。IEEE 802.11ax与802.11ac同样都使用5GHz频段网络,在穿透障碍物的过程中能量会衰弱得比较快,而且“绕墙”能力不强,因此IEEE 802.11ax的网络覆盖表现与802.11ac网络相差不大。
最后我们来看看802.11ax标准什么时候会进入商品化阶段,802.11ac标准在2008年开始进入制定阶段,直至2011年才推出第一款路 由器产品,但真正算是开始推广的要到2013年,而2014年则开始大力普及,目前已经发展至“802.11ac Wave 2”,但是要完全取代802.11n成为市场上的绝对主流,那恐怕还需要一段很长的时间。
而在802.11ac成为市场上的绝对主流之前,802.11ax标准恐怕不会有什么大力推广的行为。实际上802.11ax协议尚未最终确定,部 分技术细节仍然在进行商讨,按照IEEE协会的安排,802.11ax标准恐怕要到2019年才会获得最终批准,之后可能会有些试验型产品投入市场,但是 大规模的普及,恐怕又是再过几年后的事情了。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。