”高通中国区研发负责人徐晧在接受科技日报记者专访时强调:“当我们说毫米波有这样那样缺点时,要看到它同时有非常多的优点,关键要看设计人员能不能有效解决这些技术难点,也要看实际应用中,是不是需要毫米波这些优点,是不是能够找到比较好的应用场景利用好毫米波的这些优点。”
“作为一家以技术见长的公司,高通希望业界能够更多地了解毫米波的潜力和应用。”徐晧透露,高通将在“2021世界5G大会”上介绍5G毫米波最新的测试和研究进展。
低频资源有限毫米波商用提上日程徐晧说:
“手机之所以在没有与任何看得见摸得着的东西相连接的情况下,还可以收到信号,就是因为自然界中存在着很多我们看不到也听不到的电磁波信号。”
徐晧介绍,毫米波是指波长为1毫米到10毫米的电磁波。从声音到光之间,真实地存在着一大段我们平常感觉不到的频谱,这段频谱中有一段属于毫米波。
波动越快,频率越高。从频率范围来看,毫米波是指30 GHz到300 GHz之间的电磁波。5G标准同时定义了Sub-6 GHz(6 GHz以下频段)和毫米波的设计。也就是说,毫米波是5G的重要组成部分。

徐晧说:“毫米波的引入带来了技术上的巨大突破。5G以前,在3GPP的国际标准中我们从来都没有使用过毫米波。” 从世界范围看,Sub-6频谱资源在大部分国家都非常紧缺,包括中国。因此,大家把目光投向更高频的频谱。
“通信资源,就像管道送水一样,管道越粗,流量越大。”徐晧说,“在Sub-6频段只能用到100-200MHz的带宽,但毫米波频段可以用到800MHz的带宽。等于获得8倍以上的速度增强。这是大家对毫米波高频频段感兴趣的原因之一。
”事实上,全世界很多国家和地区都在做5G毫米波的应用规划。
我国信息通信研究院和IMT-2020(5G)推进组正在积极组织5G毫米波相关测试。
基于技术特点释放毫米波应用
今年2月世界移动通信大会期间,中国联通、高通、中兴通讯、华为、OPPO、紫金山实验室等近40家产业链伙伴共同展示了5G毫米波赋能“冬奥”的丰富应用。
这是我国首次向公众展现5G毫米波产业链发展阶段性成果。2022年冬奥会也将成为我国5G毫米波首次规模部署。徐晧说:“毫米波已经完全具备了在5G标准的基础上进行演示及商用的条件。2022年冬奥会,5G毫米波的体验将再上一个大台阶。
”徐晧强调,在思考毫米波可能的应用时,首先要基于它的技术特点来考虑。
“任何一个需要大带宽、低时延的应用,毫米波都可以被用作一种工具,对这些应用进行支持。”徐晧说,“具体到5G,我们既有Sub-6频段的应用,又有毫米波频段的应用,因此,当我们看一个应用时,就要考虑哪个技术更适用于这个应用场景。
”但是对高通来说,不管是Sub-6还是毫米波,都是5G可以考虑的工具或技术,高通从第一代5G芯片开始就同时支持了这两个技术。
5G毫米波和中低频互相配合、互相补充,是达成5G最初的全部愿景的关键所在。
徐晧表示,如果需要更多、更广泛的覆盖,Sub-6频段的频谱是好的选择,如果希望通过5G获取高清或高速率体验,毫米波就是唯一的选择。
技术挑战能够被克服
“技术挑战不断出现的同时,我们也会用各种各样的技术来解决这些挑战。5G毫米波也是如此。”徐晧说。
频率越高,衰减越大,在同一个基站传输覆盖的范围就越小。这是毫米波一个比较大的挑战。如何解决?
徐晧说:“毫米波的一个优势可以解决这个劣势。频率越高,波长越短,天线体积也就越小。这意味着在同样大小的设备上可以安装更多的天线,通过使用波束成型的办法让波束越来越窄,聚焦到某一个方向而不是传输给所有方向,传输能力就会更强。因此,波束成型和大规模的天线运用,是解决毫米波覆盖范围问题的好方法。就像手电筒照出来的光是发散的,激光照射的光线则非常聚焦,传得更直、更远。
”另一个挑战是,毫米波不大容易支持没有直射径的场景,有遮挡时它的衰减也很大。
从徐晧的讲解中得知,即使两端之间的直连信号被挡住,反射波也可以提供足够强的信号支持。在技术上这一挑战能够克服。
在很多人看来,毫米波的移动性不是很好。徐晧介绍,高通已测试验证,如果有比较好的天线设计和进行波束跟踪,发射端发出的波束就会不停地追踪接收用户,就可以保持通讯。高通在美国圣迭戈的测试中,已成功实现了用毫米波技术控制无人机。
徐晧说:“从1G到5G, 对频谱的拓展就从未停止过。技术挑战永远都在,科学家和工程师就是来解决这些挑战的。我们会通过各种各样的技术创新来解决这些挑战,从而推动科技不断向前发展。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。