WiFi 6 余音绕梁,WiFi 7 就弹奏了新的和弦曲。
正如 5G 刚商用,6G 就提升上推进日程一样。不过反向推导,如此高速率的技术迭代,我们真的需要吗?
到底谁需要 WiFi 7?
其实,对于To C移动端用户而言,5G + WiFi 6已经可以满足需求了。
但是市场层面的需求却在不断攀升。
诸如元宇宙、虚拟现实(VR)、增强现实(AR)、超高清视频等在WiFi 6时代,还欠点火候。因此,如何让技术革新推动业务创新?这是留给WiFi 7时代的重要命题。
并且 WiFi 与 5G 之争的格局逐渐清晰。
尽管当下,WiFi 与移动通信技术的市场卡位战还在继续,但经过几年磨合,WiFi 6已经成为了5G网络在行业应用、室内覆盖等场景下的有效补充,可以很好缓解高峰流量,提升网络使用体验。
那么,下一代 WiFi 7 究竟有哪些惊喜?答案无外乎:速率更高、数据容量更大。
但是,怎么实现呢?
WiFi 7,芯片风口涌起
毕竟 WiFi 是一种无线信号,需要专用的设备发射。
而这个“发射底座”的芯片对于 WiFi 体验的重要性,就好比人类的心脏一样。
是的,WiFi 7 芯片来了。
今年5月,联发科祭出了两款 WiFi 7 无线芯片,分别是:
Filogic 880,用于路由和网关。
Filogic 380,用于手机/平板/笔记本/机顶盒/OTT流媒体设备。
Filogic 880采用6nm工艺,集成四核Arm A73 CPU单元,支持五频4x4在网络MIMO中,单频最高10Gbps,五频并发最高36Gbps,主要特性包括:
·支持WiFi 7关键技术,例如4096-QAM、320MHz、MRU和MLO
·可灵活扩展至五频段,网络速率可达36Gbps
·单信道网络速率可达10Gbps
·支持OFDMA RU、MU-MIMO和MBSSID
·集成先进的网络硬加速引擎(Network Off-load Engine)
·集成网络加密引擎(EIP-197),为IPSec、SSL/TLS、DTLS(CAPWAP)、SRTP和MACsec技术加速
·支持高速接口(5Gbps USB和10Gbps PCI-Express)、UART、SD、SPI、PWM、GPIO和OTP,提供丰富的多样化选择
Filogic 380同样采用6nm工艺,还集成了对蓝牙5.3和低功耗音频的支持。该网络支持三频、2x2 MIMO,最大速率为 6.5Gbps,主要特性包括:
·支持WiFi 7关键技术,例如4096-QAM、320MHz、MRU和MLO
·支持MLO,网络速率可达6.5Gbps
·单信道网络速率可达5Gbps 支持2.4GHz、5GHz和6GHz网络频段
·支持双并行2x2 MIMO与同步双频功能
·支持蓝牙5.3和LE Audio
简而言之,Filogic 880 和 Filogic 380均支持WiFi 7关键技术,例如4096-QAM、320MHz、MRU和MLO,其目标是帮助设备制造商打造WiFi 7产品,预计在2023年面市。
当前,在WiFi 7这条黄金赛道上,联发科路线战略亦如许皓钧(联发科副总经理暨智能连接事业部总经理)所言,我们的WiFi 7技术将为家用、商用和工业网络提供强大的核心网络能力,为多人AR/VR应用、云游戏、4K视频通话和8K流媒体等应用提供无缝连接。
万事俱备只欠一个东风:标准
芯片就绪,只差那一股暗潮,WiFi 7标准。
这个重要的制定与对外公布,也将直接决定 Wi-Fi 7产品大面积上市,火力爆发的时刻。
不过回望历史:
第一代 WiFi 标准规范 802.11 出现在1997年
第二代 WiFi 标准规范 802.11a 发布在 1999 年
第三代 WiFi 标准规范 802.11g 发布在 2003 年
第四代 WiFi 标准规范 802.11n(WiFi 4)发布在 2009 年
第五代 WiFi 标准规范 802.11ac(WiFi 5)发布在 2013 年
第六代 WiFi 标准规范 802.11ax(WiFi 6)发布在 2015 年
——
第七代 WiFi 标准规范 802.11be(WiFi 7),业内预计将于 2022 年底发布。
可以预见,WiFi 7的到来,将满足使用者对于高清 4K/8K 视频,VR/AR、低延时游戏以及远程协同办公的需求。
我们同样期待,这是一次“华而有实”的技术演进。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
Salesforce AI研究团队构建了首个大规模多模态文档RAG评测基准UniDoc-Bench,包含7万页真实PDF文档和1600个问答对,覆盖8个领域。研究发现文本图像融合检索策略显著优于单一模态和联合多模态方法,为未来AI文档理解系统提供了"分工合作"的设计思路。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
腾讯研究团队发现AI训练中"推理火花"现象,揭示低概率词汇如"等等"、"不过"等在维持AI探索能力中的关键作用。团队开发的低概率正则化方法通过精准保护有价值的低概率词汇,在数学推理任务中实现60.17%准确率,比传统方法提升2.66%,为AI创造性思维研究开辟新路径。