爱立信实验室利用三个FDD(频分双工)频段和三个低于6GHz 的TDD(时分双工)频段(是不是感到吃惊)、爱立信RAN计算硬件、载波聚合软件和高级RAN协调功能(Advanced RAN Coordination functionality)实现了这次数据呼叫。
据悉,将FDD频谱与TDD频谱结合可以让更多用户从载波聚合增益中获益。总计400MHz的带宽与20MHz至50MHz的FDD带宽聚合在一起,实现了5.7Gbps的速度。
六分量载波能力的意义何在?据悉,它可以让运营商优化利用网络和频谱资产,并提供更高的数据速度和容量,从而帮助重度使用下行链路的应用。新闻发布稿表示,“这意味着为流媒体用户提供更好的音频和视频质量、更快的文件下载速度,以及为数字游民提供更好的工作环境。”换句话说就是:更好的5G。
爱立信网络5G RAN产品线主管Sibel Tombaz表示:“我们在不断挖掘载波聚合在提升容量和速度方面的潜力,推动载波聚合的发展。”“我们6CC数据呼叫的成功表明了我们解决方案的通用性,我们准备与生态系统合作伙伴合作,将这一新的频段组合变为现实。我们的目标一如既往,就是帮助客户满足终端用户对大容量、超高速5G日益增长的需求。”
Tombaz补充表示:“载波聚合对于尽可能从分散的频谱资产中获得最佳的5G性能至关重要。”“有了6CC,服务提供商将能够最大限度地利用手头的频谱,优化组合带宽,从而获得卓越的移动体验。”
上周,竞争对手套件供应商诺基亚与TPG和联发科技合作,展示了如何利用载波聚合来传输360度实时元宇宙广播。这次演示使用了700 MHz频段(n28)上的15MHz载波和3.6GHz频段(n78)上的90MHz载波,通过载波聚合实现了159Mbps 的峰值上行速度。
今年7月,T-Mobile在美国的5G独立(SA)网络上推出了四载波聚合技术。它合并了四个6GHz以下频段的5G信道以提高性能,包括两个2.5GHz超大容量5G信道、一个1900MHz信道和一个600MHz 信道。
这是继去年一系列“世界首创”载波聚合试验之后的又一重大突破。
爱立信表示这一突破也是世界首创,这很可能确实是世界首创,不过,要想保持这些技术上全然不同的载波聚合的实验室记录不被打破恐怕有点困难——不过,进步就是进步。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。