三大因素驱动:独立核心、网络云化、运营敏捷性,运营商5G合作项目增长超50%
最新年度5G报告显示:商用速度加快,服务保障快速增长
近日,领先的下一代设备和网络测试和保障解决方案供应商思博伦通信(伦敦证交所上市代码:SPT)发布了思博伦基于2021年超过800项最新全球合作项目的分析和结论编写而成的第三份年度5G展望报告:“2022年5G报告:市场驱动力、深入分析及各项考虑”。该报告提供了对整个5G生态体系中现状的深入分析,展示了各区域的发展趋势、技术进展和新兴创收业务。
思博伦通信市场战略总监Steve Douglas指出:“到目前为止,思博伦已经参与了1800项5G合作项目。2021年,我们见证了服务商合作项目56%的年同比增长率,而客户的竞相涌入也让5G的构想变成现实。市场竞争已然加剧,而疫情的影响也加快了业务自动化进程。因此,服务商与公共云供应商建立了早期伙伴关系,而且几乎有一半的服务商活动都集中于服务保障和服务体验领域,包括竞争性的基准测试。”
他认为:“很明显,思博伦所提供的云原生和持续自动化测试战略正满足了上述的需求,从而成为运营商关键的5G合作伙伴。通过将测试实验室和测试活动迁移到云上,运营商能够加快自己的软件和更新周期,将以往动辄数月的漫长周期缩短至仅需几周。”
该报告源于思博伦与全球范围内众多服务商、网络设备制造商、政府、设备制造商和云供应商的合作项目。它提供了全球5G各项发展的大量最新信息。该报告的关键发现包括:
区域趋势 – 2021年,思博伦在美洲的5G业务增长了超过40%,重点领域包括服务保障、独立组网(SA)核心、云测试和服务体验。欧洲、中东和非洲市场在2020年因疫情延误之后,2021年思博伦在该区域的合作项目增长超过60%。这一市场关注的中心为5G核心网和自动化。在亚太地区,中国依旧领跑整个市场,其网络覆盖率、密度和用户的增长继续推动着对多速传输网络测试和终端测试的广泛需求。新兴创收业务 – 运营商正在评价其可能攫取可观收入的诸多关键领域。这些领域包括固定式无线接入(FWA)、移动多人游戏、增强和虚拟现实、安全监控、内容分发网络、5G加速器和5G多视角体验。5G核心网和云 – 思博伦正在与全球范围内40余家独特的运营商开展合作,包括一些跨国运营商。到目前为止,至少已有19项小型商业独立组网业已完成,另有90余项试验网或厂商选型在进行中。此外,凡是有核心的项目,必然有云的参与。核心网和云的组合已占思博伦5G工作的三分之一。 专有5G网络 – 思博伦预计,专有LTE或5G网络的数量将呈现出爆炸性的增长,从今天的约3000个增至几年后的1.4万个。这种增长将受到多种趋势的驱动,包括5G和Wi-Fi 6融合推进的企业数字化战略,并将充分利用物联网、大数据分析和智能自动化领域的各项突破性技术。6G构想 – 业界的各种雄心壮志正开始逐步汇集。其中最突出的便是物理、数字和生物世界结合成类似元宇宙这样的领域,实现全息式的触觉反馈和生理感官的传送。工业机械的远程操作和虚拟传送将成为最早实现的可能性构想。
欢迎下载并阅读思博伦的“2022年5G报告:市场驱动力、深入分析及各项考虑”:www.spirent.cn/assets/the-spirent-2022-5g-report.
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。