中国,北京,2021年9月27日——今日,在中国(北京)国际信息通信展览会上,华为无线产品线总裁杨超斌发布了Massive MIMO创新产品MetaAAU。MetaAAU引入超大规模天线阵列技术,通过算法、架构,软硬件融合创新,实现性能和节能双提升,开启Massive MIMO新方向。
追求更低的比特成本和比特能耗是Massive MIMO持续创新的动力
5G商用以来,中频大带宽配合Massive MIMO技术实现了5G初心,为消费者带来10倍体验提升。5G杀手级体验改变着消费者习惯;一方面,消费者更多地使用移动网络接入互联网,移动网络流量呈指数上涨,预计2030年移动网络将承载超过一半互联网流量;另一方面,随着短视频,直播带货等业务普及,农村数字经济发展,农村网络流量快速增长,农村移动网络流量增速高于城市流量增速。
杨超斌表示:“中频大带宽配合Massive MIMO技术,能够有效提升小区容量,应对流量增长,降低网络比特成本,这是中国建设最好的5G网络的基础。“ 中频段覆盖能力弱于低频段,提升基站覆盖的传统方案是增大射频发射功率,但这仅能提升下行覆盖,无法突破上行覆盖限制;增大发射功率也会导致模块能耗增加,与绿色节能目标矛盾。
如何提升覆盖做大容量持续降低网络比特成本,同时降低比特能耗,是Massive MIMO持续创新的动力。
MetaAAU引入超大规模天线阵列技术,软硬结合,兼顾网络性能和绿色节能
AAU天线阵列规模越大,信道波束越窄,信道能量越聚焦,覆盖距离越远。MetaAAU引入超大规模天线阵列,不增加发射功率同时提升上下行覆盖。杨超斌表示:“超大规模天线阵列是提升覆盖和降低能耗的重要创新方向,MetaAAU通过新架构,新算法融合创新,实现网络性能和绿色节能双提升,助力运营商建设优质绿色5G网络。“
MetaAAU引入新架构,天线阵列规模翻倍,上行覆盖和下行覆盖同时提升;不增加发射功率,提升边缘用户体验。同时,自适应高分辨波束赋形算法AHR Turbo,让业务信道波束更精准地指向用户;自适应波束寻优,智能适配用户无线信道变化,提升空口资源利用效率;高分辨波束域降噪,提升多用户配对效率。AHR Turbo让MetaAAU做到“对得准”、“跟得快”、“配对好”,大幅提升用户体验和小区容量。
测试表明,相比传统方案MetaAAU可以同时提升小区30%上行覆盖和30%下行覆盖,边缘用户平均体验可提升25%。在小区边缘覆盖指标不变的情况下,基站可配置更低的发射功率,从而降低基站能耗,相比传统AAU,能耗降低约30%。
杨超斌在演讲的最后强调道:“华为创新脚步不会停止,不断创新,夯实连续覆盖的宽管道基础网络;同时面向未来5.5G,在大上行,大连接,精准定位等方面不断演进,提升网络能力,为中国5G持续领先贡献力量。“
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。