[西班牙,巴塞罗那,2023年3月1日] “携手迈进5.5G时代”峰会今日在MWC2023 巴塞罗那期间举办,华为倡议产业各界携手努力,持续推动5.5G时代产业共识和商用部署,加速迈向智能世界。
华为公司高级副总裁、ICT产品与解决方案总裁杨超斌表示:“5G高速发展,新的业务需求更加多样化、复杂化,对5G网络能力提出了更高要求。5.5G是5G网络下一步升级演进的必由之路,已在产业形成共识,是确定性产业发展趋势。随着5.5G(5G-Advanced)、F5.5G(F5G-Advanced)、Net5.5G标准节奏明确,频谱策略清晰,关键技术及多样应用场景验证通过,产业共识稳步推进,必将推动5.5G网络商用的加速到来,十倍网络能力提升将触发千行百业释放更强大的数字生产力“。
华为公司高级副总裁、ICT产品与解决方案总裁杨超斌发表“触手可及,携手迈进5.5G时代”主题演讲
“5.5G”已形成产业共识,成为确定性发展趋势
杨超斌表示,目前6G还处于早期研究阶段,因此5.5G是5G网络下一步升级演进的必由之路,对此产业界正在加速形成共识。对于5.5G产业发展,需要从四个方面,携手全产业共同推进:
一、产业标准节奏明确:5.5G已经开启标准化的进程,将通过3GPP Release18、Release19、Release20三个版本定义5.5G技术规范,持续丰富5.5G的技术内涵,Release18 版本将于2024年H1冻结;F5.5G已经从产业倡议落地标准设计,ETSI在去年9月份发布了F5G Advanced的白皮书,牵头定义的F5.5G第一个标准版本Release3将于2024年H1冻结。IETF、IEEE也全面开展SRv6、Wi-Fi 7、800GE等Net5.5G第一阶段相关的标准工作,相关标准将在2024年全面发布。
二、频谱资源策略清晰:频谱资源是无线网络的基石,5.5G产业共同推进Sub 100GHz频谱走向NR:一方面,当前存量频谱通过频谱重耕按需整合,逐步走向5.5G;另一方面,共同推动毫米波和U6GHz超大带宽频谱商用,为5.5G提供资源保障。
三、产业共识稳步推进:5.5G在产业界已形成广泛共识,全球领先运营商积极推进5.5G标准制定及技术创新验证。本次巴展期间,GSMA牵头产业界伙伴组建5.5G Community,WBBA(世界宽带协会)也已于2022年正式成立并发布面向F5.5G的Next Generation Broadband Roadmap白皮书,OMDIA在去年9月份发布了Net5.5G白皮书,从技术演进、应用场景、产业生态等对齐产业目标,拉齐产业节奏,加快商用进程。
四、平滑演进保护投资:5.5G将通过存量频谱重耕、设备多模复用等关键技术,实现5G网络已有资源的按需整合,逐步向5.5G平滑演进,充分保护运营商已有投资。
关键技术不断成熟和应用场景验证通过让5.5G时代触手可及
杨超斌表示,在产业界的共同努力下,5.5G多项关键技术取得突破。无线网络的超大规模天线阵列(ELAA)、虚拟大载波重构非连续频谱(MBSC)等创新技术在全球多个运营商完成验证,将5.5G万兆能力带入现实。在F5.5G固网网络,50G PON已被ITU-T标准化为下一代PON,上下行对称、多模合一等关键技术不断发展成熟,为F5G向F5.5G的平滑升级演进奠定基础。5.5G/F5.5G的发展驱动IP网络升级,开启Net5.5G。Net5.5G在800GE超宽、端到端IPv6+、智能化、安全、时延等方面持续增强,为运营商带来了新能力、新产品和新机会,激发运营商持续增长。
5G商用三年已经进入高速发展期,截止2022年底,全球5G用户数超过10亿,千兆宽带用户数达到1亿,5G行业应用超过2万种,新的业务需求与创新对5G网络能力提出更高的要求。个人业务方面,随着XR、全息通信等沉浸式业务的逐步成熟,联接体验从千兆1Gbps走向万兆10Gbps;物联应用领域,物联应用的爆发式增长是确定性的大趋势,以中国为例,2022年物联网连接总数已超过人的连接总数;行业数字化逐渐深入到核心生产系统,涌现更加丰富的场景和需求,如高精度工业视觉AI检测、矿山远程操控和自动驾驶等5G+云+AI融合应用场景,对5G网络上行带宽提出 1Gbps的需求。
2023年世界移动大会于2月27日至3月2日在西班牙巴塞罗那举行。华为展区位于Fira Gran Via 1号馆1H50展区。华为与全球运营商、行业精英、意见领袖等一起深入探讨5G商业成功、5.5G新机会、绿色发展、数字化转型等热点话题,运用GUIDE商业蓝图,从繁荣的5G时代迈向更加繁荣的5.5G时代。欲了解更多详情,请参阅:
https://carrier.huawei.com/cn/events/mwc2023
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。