VIAVI第七次年度《5G部署现状》报告还指出:
中国上海,2023 年 5 月 5 日 – VIAVI Solutions (纳斯达克股票代码:VIAV)近日发布最新行业数据,指出5G连接在全球范围内的发展已达关键点。按 GDP 计算,在目前全球 70 个最大经济体中,有 47 个已有5G网络在用。
VIAVI 第七次年度《5G部署现状》报告显示,全球 92 个国家及地区的 2,497 个城市拥有商用 5G 网络。另有 23 个国家正在开展 5G 预商用试点,32 个国家已表达部署 5G 的意向。除此之外,仅有 48 个国家尚未公开宣布 5G 计划,其中许多是较小的岛国。
共有 18 个国家宣布在 2022 年首次部署 5G。新部署 5G 的国家包括印度和墨西哥这两个最大的发展中经济体,以及安哥拉、埃塞俄比亚和危地马拉等其他新兴经济体。数据还显示了与 5G 部署相关的其他几项主要趋势:
美国首次超越中国问鼎5G城市排行榜
美国首次在5G城市排行榜上超越中国名列前茅。中国自2021年起,一直在VIAVI 的《5G部署现状》中处于领先地位。在美国,拥有 5G 网络的城市数量大幅增长至 503 个,而2022 年 5 月仅有 297 个,实现了 69% 的增长。 相比之下,自2021年6月版本的报告发布至今,中国的5G城市数量一直保持在356个。
5G 城市的数量只是两国 5G 发展相对成功的方面之一,中国在其他关键指标方面也处于领先地位。美国的 5G 覆盖广度与中国的 5G 覆盖深度形成鲜明对比,中国在数据速度、5G 用户数量和基站部署方面均保持领先。
制造业显然已成为私有5G方面的领跑者
在私有5G网络方面,制造业显然已成为领跑者,占公开部署的 44%,其次是物流、教育、运输、体育、公用事业和采矿业。这种趋势体现出商业领域对于私有 5G 怀着明显的实用主义,即连接方面痛点最大、智能应用方面机会最多的机构自然而然地成为了私有 5G 的领跑者。
这些行业的企业通常在具有挑战性的环境中运营,在这些环境中可能无法提供高速连接。这些垂直领域还与物联网应用发展最为强劲的行业相互交叉,引发了对智能工厂、智慧城市等的讨论。 私有 5G 和物联网领域的机会关系密切,这正契合了电信运营商所面对的新现实,即物联网意味着几乎完全围绕垂直领域的创收机遇。
5G独立组网发展势头强劲,运营商网络已达45个
5G 独立组网 (SA) 网络,即使用全新 5G 核心网构建并独立于现有 4G 基础设施而运行的网络,正在全球范围迅猛发展。截至 2023 年 1 月,已有 45 个 5G SA 网络部署于 23 个国家及地区。这与 2022 年 1 月形成鲜明对比,当时全球只有 24 个 NSA 网络。
5G独立组网通常被认为是“真正的”5G,其相较于非独立网络(NSA),能够实现更广泛的用例和创收模式,而非独立网络(NSA)在增强型移动宽带 (eMBB) 之外的应用相对有限,这意味着5G独立组网有着更快的数据速度。随着 5G独立组网数量接近翻倍,更多运营商将开始履行更多其对于5G 商用优势的长期承诺,这些国家及地区的消费者和企业也有望开始体验到网络速度的提高。
全球各地广泛关注毫米波
毫米波(mmWave)频段(通常被认为是 24 GHz 及以上)中的 5G 频谱引起了不同国家的广泛关注。这一频谱范围的优势显著,具有最高的速度、最低的延迟和最高的容量。然而,它也存在若干缺点,例如传输距离较短、设备成本较高以及需要密集部署。
提供毫米波频谱的国家遍及各大洲,其人口规模、经济和技术进步水平呈现多样化。包括中国、印度和美国在内的全球几个最大的移动市场)以及塞舌尔和关岛等人口稀少的市场都已提供毫米波。同样的多样性模式也适用于德国和日本等发达市场,以及印度尼西亚和越南等新兴经济体。
授权毫米波的国家的多样性体现出监管机构的大力推进以及运营商对这一频谱自然而然的关注。尽管如此,鉴于其优缺点都很明显,毫米波未来几年的发展历程可能会出现许多曲折。
VIAVI Solutions 首席技术官 Sameh Yamany 表示:“2022 年是 5G 发展历程中取得阶段性成果的一年。它从一种发达市场现象演变为一种全球现象。同样,在技术层面,随着5G独立组网网络数量接近翻倍,5G的能力得到了显著扩展,我们期待着运营商提供更完善的网络和更强大的业务能力。来年的重点将是网络质量和开放式RAN 技术的进一步发展,我们将尽己所能以助力其取得成功。”
可点击此处下载《5G部署现状》信息图。 报告中的数据是VIAVI基于公共来源信息汇编,仅供参考。该报告是VIAVI紧跟通信技术趋势发展的实践之一。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。