无线芯片制造商高通公司与爱立信和泰雷兹开展合作,研究可以从低轨道地球卫星提供5G电信服务的技术。
三家公司表示,这样的网络旨在为电信业提供完整的全球覆盖,包括通常只有传统卫星电话系统提供服务的地方。
3GPP电信标准机构今年3月份在5G规范的第17版中批准了卫星驱动的5G非地面网络(5G NTNs)规范,为该领域的开发提供了保障。因而其后有了三家公司的合作。
三家公司表示已经分别进行了详细的研究,包括多项研究项目和模拟,从而决定更进一步对5G非地面网络进行以使用情况为重点的测试和验证。换句话说,三家公司还在研究这项技术的可行性。
据爱立信称,在这个阶段还无法说何时可以发射配备5G的原型卫星对该技术进行测试。
爱立信称,卫星的开发可以很快完成,但下一步会包括将一颗或多颗卫星送入太空,这将取决于外部因素,意味着目前无法准确估计时间进度。
爱立信高级副总裁兼首席技术官Erik Ekudden在一份声明中称,这个项目如果成功了的话将是通信史上的一个重要里程碑。
Ekudden表示,“最终的结果可能有效地意味着无论你在地球上的什么地方,无论是在海洋中央或在最偏远的森林里,高端、安全和具有成本效益的连接都将通过协作的5G卫星和地面连接而存在。”
由卫星提供的5G服务的好处包括一些明显的用例,例如为没有地面网络覆盖的偏远地区提供网络服务。据三家公司称,其他好处还包括交通、能源和卫生部门5G用例的全球连接以及在发生重大网络中断或灾难时作为地面网络的备份网络。
三家公司的官方公告暗示,国家政府机构可能是任何低地球轨道卫星服务的主要潜在客户,原因是5G非地面网络的“预期安全能力”。
据三家公司称,他们的测试将验证5G非地面网络所需的各种技术组件,包括5G智能手机、卫星技术和地面基础设施。
爱立信在该项目中的作用是提供一个5G无线接入网络(RAN)堆栈,该RAN堆栈经修改后可用于地面和快速移动的低地球轨道卫星之间的无线电波,而不是用于附近基站的无线电波。
泰雷兹公司正在开发适合在低地球轨道卫星上部署的5G无线电收发器,而高通公司将提供测试手机,用于验证未来的5G智能手机可以在该网络上使用。
这里的“未来的智能手机”是个关键词组。5G NTN是不是与现有的手机兼容或是所需的硬件意味着只有未来的设备才可以在5G NTN上使用么?我们向爱立信和高通提出了这个问题,爱立信的一位发言人表示,需要有17版5G手机中的NTN组件,这意味着必须是未来的设备才支持。
该发言人表示,“我们目前的观点是,增加这种能力的成本会很低。主要是增加一个软件,当然还得有一个新的卫星波段过滤器。然后我们将看看现在的2GHz天线的工作情况是什么样子。我们可能会发现我们需要用一个新的改进过的内部天线换掉现在的2GHz天线。”
三家公司称,5G NTN将利用现有的标准化产品和组件生态系统,这将使得技术供应商能够在各种设备上扩展该项技术。
CCS Insight的消费者和连接性主任Kester Mann表示,虽然卫星5G有很大的潜力,但也可能最后被证明是一个有风险的努力。
他表示,“除了成本,还有关于性能、监管和治理的等重大问题。有关公司需要仔细考虑准备投入多少资金。”
Mann认为,另外,在智能手机中内置卫星连接的前景可能还很遥远,因为这可能会对设备的尺寸和电池寿命产生影响,而且也因为卫星连接要求卫星处于视线范围内。
但Mann补充表示,“看到业界重量级公司……在寻求参与到电信业最激动人心的一个新领域,这并不奇怪。卫星宽带可以连接世界上最偏远地区的数亿人。”
好文章,需要你的鼓励
中国生数科技旗下AI产品Vidu发布新版本更新,推出"参考图像生成"功能,用户可上传最多7张参考图片,通过AI模型的语义理解技术将多张图像合成为高度一致的新图像。该功能支持快速编辑照片、替换物体、调整光照等操作,为摄影师、营销人员提供便捷的AI图像编辑工具,在保持视觉一致性方面与谷歌等竞品形成竞争。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
芯片初创公司SiFive推出四款专为运行人工智能模型优化的CPU核心。这些基于开源RISC-V架构的新核心增加了矢量扩展功能,能够更高效地并行处理多个数据点,显著加速AI模型运算。其中X160和X180是主打产品,具备加速卷积运算的矢量处理功能,可用于工业设备、消费电子和数据中心。公司预计客户将于2026年第二季度开始基于新核心设计生产芯片。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。