这份题为“5G价值:将性能转化为价值”的报告强调了在全球越来越多用户对5G表示满意背景下5G的CSP商业案例潜力。该研究报告是基于今年5月和6月对28个国家37000多名消费者进行的采访,研究范围覆盖了约15亿消费者的观点,其中包括6.5亿5G用户。
此外该报告还指出,体育场、娱乐场馆和机场等关键地点的5G连接体验不佳,可能会使客户更换CSP的可能性增加3倍。
这项综合研究反映了全球约15亿消费者的观点,其中包括约6.5亿5G客户,是爱立信自2019年以来一直追踪5G消费市场演变趋势的研究系列之一。
爱立信消费者实验室的研究进一步证明,影响消费者满意度的因素发生了转变,从重点关注5G地理覆盖范围转变为以应用体验为中心的指标,这些指标涵盖了视频流质量、手机游戏和视频通话体验、以及5G速度的一致性等方面,特别是在早期5G采用者中。
接受调查的5G消费者中,有约37%的受访者认为,增加5G计划中的数据流量可以证明CSP收取额外费率是合理的。
爱立信消费者实验室负责人Jasmeet Singh Sethi表示:“有趣的是,大约五分之一的5G智能手机受访用户明确表示偏好差异化的服务连接质量。这些用户并没有满足于通用的5G性能,而是积极寻求更高且一致的网络性能,特别是针对要求苛刻的应用和特定关键位置量身定制的。研究表明,如果他们的服务提供商提供此服务,他们愿意支付11%的溢价。”
Sethi表示:“这就是很多5G消费者明确期望5G能够为他们带来增值体验的方面,例如增强在主要娱乐场所夜间外出或在机场旅行时的体验。如果他们在这些地方的体验很差,那么他们转向能够提供最佳5G体验的提供商的可能性就会增加3倍。”
该报告证实了网络应用编程接口(API)对于开发人员的潜力,是通信服务提供商给那些愿意付费的客户提供增强网络体验的一种方式。
爱立信首席技术官Erik Ekudden表示:“在5G时代,网络应用编程接口是面向开发人员和应用提供商的业务接口,使他们能够通过熟悉且易于使用的界面访问网络功能。当我们观察到消费者愿意为新功能和差异化服务质量付费时,很明显这些API正在改变行业。这营造了一个环境,让开发人员能够利用5G功能来提供独特的优质体验。对于通信服务提供商来说,API通过发挥网络内在价值带来新的收入。”
该报告探讨了5G计划中捆绑的5G增强视频(例如4K、360度体验、多视图视频和增强现实应用)是如何推动5G用户参与度、移动数据使用量增长的。
平均来看,过去两年中5G用户花在增强视频上的时间增加了47%。自2020年底以来,每日AR应用的用户数量增加了一倍。
该报告确定了四个趋势:
5G网络满意度驱动因素正在不断发展,已经不再局限于5G网络的覆盖范围。5G新用户依然很看重5G的室外覆盖和速度。在5G人口覆盖率超过80%的市场中,长期用户优先考虑他们使用的应用视频质量和上传速度,这反映了用户期望的不断变化。
5G正在重塑视频流和AR使用方式。随着服务提供商将富媒体内容捆绑到5G计划中,新兴格式日益推动着5G的使用和5G数据消耗。
关键地点的5G性能会影响消费者忠诚度。自5G推出以来,28个市场中约有17%的消费者更换了服务提供商,主要是由于5G网络性能上的问题,其中一个重要的影响因素是体育场馆和机场等关键地点的5G体验。
5G消费者将为差异化连接支付溢价。有20%的智能手机用户期望获得差异化的5G连接。这些人看重优质连接,并愿意为确保提升网络性能的5G套餐支付高达11%的溢价。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。