”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
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。