毫无疑问,5G的发展和落地正在提速,中国三大运营商都在积极开展5G试点工作。日前,广州和青岛陆续接通基于3GPP标准的5G商用系统通话,重庆移动宣布第一张5G试验网成功开通,中国联通也宣布今年将在国内推出16个城市的5G试验网。
(图)相比于4G,5G带来的性能和体验提升
整体看目前的5G进程,今年将是5G的试点阶段,2019年试商用,2020年进行规模商用。
所以,5G走入寻常百姓家至少还有2年的时间。这期间,5G产业各方还有大量的工作要做。例如测试,它是一项技术从实验室顺利走向商用的关键环节。
5G带来的改变非常多,引入诸多新技术,如Massive MIMO、毫米波、小基站,移动前传、移动回传,网络分片、CUPS控制面与用户面分离、全新接入网C-RAN、虚拟化等等,这所有的技术,只有经过严格的测试,才能顺利部署。
思博伦通信副总裁、大中华及东亚区总经理谭昊
谈及5G带来的技术挑战和变化,思博伦通信副总裁、大中华及东亚区总经理谭昊在接受至顶网采访时表示,5G既能在无线性能、业务多样化、网络灵活性及敏捷性等方面带来革命性的提升,也将对无线和网络的测试技术提出全新的要求和挑战。例如,5G新空口NR包括毫米波移动化新型编码、Massive MIMO、新型帧结构、先进频谱共享技术等新技术,实现了速率、时延、可靠性的高要求;虚拟化接入网C-RAN将为工程师分析和管理服务质量(QoS)的方法带来根本性的变革;物联网也将把海量的全新设备引入5G网络中,从使用低带宽和间歇性传输数据的简单传感器,到需要连续和超高可靠性连接及超低时延的自主驾驶汽车等等。
这些新技术的应用对测试带来的变化是显而易见的,例如5G使用毫米波(mmWave)频率的革命性进步,以及使用的先进天线系统、波束塑型和其它技术,这意味着设计和实施RF系统的过程都需要用到全新的测试设置和方法。
谭昊指出,“思博伦很早就投资在 5G领域,旨提供端到端、完整的测试解决方案,从5G终端到C-RAN, 从前传到回传,从核心网虚拟化到虚拟基站,思博伦都有相关方案提供。”
例如:
· 5G 实验室及测试自动化 – Velocity
· 5G NR信道仿真 – Vertex
· 5G 核心网验证 – Landslide
· 5G 虚拟化验证 – STC & CloudStress
· 5G Experienced Data Rates & Throughput – Umetrix Data
在5G实验室及测试自动化方面,思博伦帮助诺基亚网络基础设施测试实验室部署了业界第一个5G LaaS方案。这种5G LaaS(实验室即服务,Lab as a Service)可以实现前所未有的5G测试自动化,其主要目标是大幅加快诺基亚发布虚拟网络功能(VNF)和物理基础设施的速度。诺基亚的工程师可以从世界上任意地点快速启动、释放和重复使用5G混合测试平台。
在5G NR信道仿真方面,思博伦助力中国信息通信研究院成功演示了Massive MIMO OTA测试,对全新的5G基站天线阵列系统执行真实的MIMO/BF性能评估。基于思博伦Vertex信道仿真平台,信通院已开发出了先进的数学三维“信道模型”,能够捕捉5G无线电信号在空中传播的方式,以及反射、多径、运动和其它效应对其产生的影响。
在5G虚拟化验证方面,思博伦和中国移动共同展示了针对行业内虚拟化平台整体水平的测试评估结果,反映了行业NFV基础设施在支持5G无线网云化能力的成熟度,也为中国移动2018年5G规模外场试验奠定了基础。
此外,物联网方面,LTE-M和NB-IoT 等标准,已经为5G中物联网设备的测试奠定了基础。这两项标准是5G上物联网的先驱,当然5G支持大规模物联网部署时所用的无线电接口将会获得一些增强特性。
思博伦被选为oneM2M的官方首家测试工具供应商,思博伦TTsuite-oneM2M可为机器间通信和物联网提供全球标准倡议批准的一致性、互操作性和系统自动化测试能力。并且,思博伦Elevate物联网设备测试解决方案可支持适应于物联网( IoT)应用的各个测试领域,包括端对端云服务器连接性、安全性漏洞评估,以及电池寿命测量等。在车联网领域,思博伦也提供了完整的解决方案,从汽车以太网到车联网安全、定位,都有相关方案推出。
除此以外,在5G承载网及安全性方面,思博伦也提供了完备的测试解决方案,例如思博伦帮助中国电信与华为完成了全球首个400GE研发测试;思博伦引领业界进入一个安全和应用性能测试的全新时代,CyberFlood作为一种用于验证应用感知基础设施安全性、性能和扩展能力的下一代测试解决方案,适用于从企业级到运营商级的所有网络规模。
作为5G产业链中的一员,思博伦与用户建立起了紧密的合作伙伴关系,也正在与产业链上下游携手助推5G商用步伐。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。