你一定知道中国的“新四大发明”吧?其中的高铁建设代表了“中国速度”“中国品质”,赢得了世界各国的点赞。
“宝剑锋从磨砺出,梅花香自苦寒来”。我国高铁的快速发展,既离不开铁路基础设施的建设者,也离不开高铁通信网络的建设者。
15天完成联调联试,天方夜谭?
2014年7月1日正式开工建设的京沈高铁,是我国“四纵四横”铁路网的收官之作,横跨北京、河北、辽宁。按计划,2018年底京沈高铁辽宁段率先开通,2019年全线通车。届时,沈阳至北京的运行时间将缩短至2.5小时。
2018年3月初,京沈高铁GSM-R网络优化全面展开。GSM-R(Global System for Mobile Communications - Railway)承载高速铁路控车信息,网络异常直接影响列车正常运行。除此之外,它在GSMPhase2+规范协议的高级语音呼叫功能(如组呼、广播呼叫、多优先级抢占和强拆业务)的基础上,加入了基于位置寻址和功能寻址等功能,适用于铁路通信,特别是铁路专用调度通信的需要,主要提供无线列调、编组调车通信、区段养护维修作业通信、应急通信、隧道通信等语音通信功能,同时提供列车自动寻址和旅客服务。
京沈高铁沈阳段GSM-R网络的联调联试于2018年3月初正式开始。这段高铁将承载中国铁路总公司22项科研项目,也是下一代铁路信息通讯的实验场地,意义重大。因为后期还有大量实验项目在排队,所以对于GSM-R网络的联调联试来说时间紧、任务重。
因种种原因,只给GSM-R网络的联调联试预留了15天时间,而像京沈高铁辽宁段这样全程四百多公里的路段,通常最快也要一个多月时间。15天完成网络优化和联调联试是不是天方夜谭?
救场如救火
3月10日,星期六,上午9点左右,一阵急促的电话铃声打破了这个休息日的宁静。本来在家照顾孩子的华为无线专家赵君超接起了电话,电话另一端传递出现场的压力和客户的不满。
赵君超经常扮演“救火者”的角色,这次更是十万火急。在安排好家里的事情之后的两个小时,他就搭上了从北京开往沈阳的高铁。当晚8点左右到达现场,立即投入工作。
GSM-R网络联调联试是非常细致的工作,需要把每个网元,电磁波传播的情况都调整到最优状态,以保障控车电路的稳定可靠。
动车会以不同车速,在验收路段上反复行驶,车上的测试人员会在每趟行程中记录相关测试数据并回传,地面分析人员对测试数据立即分析,找出GSM-R网络中存在的各种细小的问题,比如天线是否需要调整,隧道中的网络设备是否有问题等,然后进行优化和调整,在下一个往返测试中验证调整效果。第二天继续测试和调整,如此周而复始。
在整个联调联试过程中,赵君超与团队每天7点开始工作,持续到下午4点,车轮不停,工作不停。从下午5点又要开始当天测试结果分析会,直到晚上12点。由于时间紧迫,根本挤不出午饭时间。就这样连续工作两天后,完成了大约30%的测试项目。
中国铁路对GSM-R网络性能要求非常严格,要在一半基站宕机状态下仍能满足高标准要求。诸多因素,如外界干扰,天气变化、信号串扰、终端设备掉电等都可能影响测试结果。不过,由于华为和合作伙伴的共同努力,全数基站开启状态下的测试指标顺利通过。
3月16日是赵君超的生日,出于前几天优化效果的信心,他决定蹬车定位问题,希望当天的测试能够一切顺利,就算是给他生日的最好礼物。但是因为大雪,只低速测试了一个往返,测试被迫停止。整个服务团队有些沮丧,每一颗充满希望的内心都等待着一个展示风采的机会。
3月17日,雪后初霁,赵君超和所有测试人员一鼓作气,一天内完成了八个往返的测试,奇数基站开启状态下测试指标达标。3月18日,又是六个往返的测试,所有网络状态的各项测试指标均达标。
为华为的服务点赞
从接到任务出发到完成全部联调联试,赵君超与团队经过了整整九天夜以继日的工作。九天内完成400公里GSM-R网络测试、优化和联调联试工作,在中国铁路史称得上是“最快网络优化”。中国铁路总公司的相关领导和京沈项目指挥部领导也在测试完成后对华为的努力给予了充分肯定——在如此短的时间内完成联调联试,为后续的实验项目争取了时间,可圈可点,值得称赞!
华为人以“能拼能吃苦”著称。赵君超回忆说,当时连续每天工作十几个小时,整个服务团队在高强度工作压力和精神压力下体现出超凡的斗志,华为人靠拼搏精神取得项目的成功,也赢得客户的赞许。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。