等到2018年国际消费电子展(CES)结束的时候,大家可能会经常听到“5G”(第五代)这个词,可能会让人觉得新一代的高速无线服务已经来临了。
5G处于迅速发展之中,但我们也不要忘乎所以。 5G是第五代移动通信技术,也是4G之后的延伸。 5G的速度和覆盖率都将优于4G,而且可能会成为有线和电信提供商服务的竞争对手。5G的低延迟无线速度可达到1 GB / s(每秒千兆单元)。有了这样的快速连接,许多业务应用程序和更智能的物联网部署都成为可能。
在2017年国际消费电子展上,5G曾是个热闹的话题。而在今年的国际消费电子展上,几个有分量的发言将介绍5G将如何改造各个行业以及5G将如何成为智能家庭、商业自动驾驶等应用的使能手段。
5G的前景一片辉煌。具体有如下几个方面:
AT&T(美国电话电报公司)在2018年底前将在12个市场提供5G服务,更重要的是,AT&T公司的焦点是具体的使用案例。 全球投资公司Jefferies的分析师Scott Goldman指:
在5G方面,AT&T管理层似乎与Verizon的看法不同。AT&T认为,5G技术更多的是低延迟而不是速度,而Verizon的焦点似乎是追求地理覆盖范围,而AT&T则更侧重于具体的使用案例。有关的例子包括虚拟现实、自动驾驶汽车和垂直专用解决方案。AT&T将在2018年底前在12个市场上提供5G,到2019年中会将光纤拉到82的都市。
Verizon计划从2018年开始大举推出5G,与有线电视公司正面交锋。 Verizon的5G目标首先是住宅,然后是业务和物联网。
5G标准整体颇佳,与供应商生态系统有很好的融合,如高通、英特尔、爱立信以及其他各厂商产品。
诚如CNET所指出的(https://www.cnet.com/news/12-questions-that- ces-2018-needs-to-answer/),目前还不清楚有多少硬件能在2018年支持5G。时间表历来都是个和稀泥的东西。在CES上宣布推出的产品并不意味最终会上架或在近期内会上架。
这地方的另外一个问题是,有些阵营滥用5G这个词,他们的5G更像是增强型4G。Chris Duckett最近在我们的2018展望文章里指出:
下一代移动通信正在缓慢地形成,名为5G。但其实大家的共识也仅止于5G这个词,别的都是浮云。
问题在于5G并没有一个确切的定义,这意味着某些电信商大有可能在一些比LTE快一点的连接上贴个5G的标签。
尽管如此,5G将有助于延长物联网设备的电池寿命,还有,5G可令在网络边缘实现更多的分析。 5G对于分析以及物联网领域的延迟来说将是个福音。
像所有的技术转型一样,5G的推出可能有点复杂。 IHS Markit在其2018年趋势展望一文中指出:
5G全面采用和部署的路线颇为复杂,移动网络运营商、基础设施提供商、设备制造商和最终用户都面临新的机遇和挑战。LTE之后的下一代蜂窝技术5G代表了移动语音和宽带以外的传统蜂窝技术使用案例的巨大扩展,这些包括了众多的物联网和关键任务应用等等。
5G时间表可用下图表示:
我们将在2018年CES上不停地听到有关5G影响的说法,包括以下几点:
· 物联网在较艰难的地方作用更大了,并且将实现更多的自动化。
· 低功耗无线接入将成为物联网和传感器的使能技术。
· 各行业可能会在私人LTE网络里使用新的标准。这一类的私人LTE网络对于石油和天然气等工业客户来说至关重要。
· 个性化和边缘情报。
虽然5G部署将会弥漫到更多的视频消费和娱乐领域,但赚钱可能还是完全靠商业应用。 2018年国际消费电子展很可能是大谈5G的第二波,而接下来的2019年及2020年才会是真正的部署和实际使用案列。
好文章,需要你的鼓励
Xbench是知名投资机构红杉中国推出一款全新的AI基准测试工具,旨在真实地反映AI的客观能力,其在评估和推动AI系统提升能力上限与技术边界的同时,会重点量化AI系统在真实场景的效用价值,并采用长青评估的机制,去捕捉AI产品的关键突破。
这项研究首次将在线强化学习成功应用于流匹配模型,通过巧妙的ODE到SDE转换和去噪减少策略,显著提升了AI图像生成的精确度和可控性。在复合场景生成、文字渲染等任务上取得突破性进展,为AI生成领域开辟了新的技术路径。
Atlassian总裁Anu Bharadwaj在Transform 2025大会上分享了公司AI智能体规模化的实践经验。她强调,成功部署AI智能体需要营造实验文化,而非仅依靠自上而下的指令。Atlassian通过Rovo Studio平台为各团队提供了构建定制化智能体的环境,创造心理安全的工作氛围,鼓励员工大胆尝试和迭代。公司客户通过该平台显著提升了工作效率,建筑行业客户将路线图创建时间缩短75%。
这篇由阿里巴巴集团联合多所知名高校发表的综述论文,系统梳理了统一多模态理解与生成模型的最新发展。研究将现有模型分为扩散、自回归和混合三大类型,详细分析了不同图像编码策略的特点,整理了相关数据集和评估基准,并深入探讨了当前面临的技术挑战。