根据全球移动供应商协会(GSA)的一项研究显示,随着移动行业迈向普遍接入和6G时代,低频段5G频谱在支持物联网(IoT)、应急服务和包容性数字基础设施方面仍然具有战略重要性,而承载大部分5G流量的中频段频谱在6G时代仍将至关重要,毫米波5G很可能成为通向6G的桥梁。
这家移动通信行业贸易协会发布的全球5G频谱格局最新快照,旨在提供运营商投资和监管活动在低频段、中频段和高频段(毫米波)5G频率方面的详细视图。数据证实,虽然中频段仍是5G部署的主干,但对低频段和毫米波的兴趣持续发展,与网络策略和未来6G规划保持一致。
GSA的GAMBoD数据库追踪频谱拍卖和定价数据显示,频谱特性、市场成熟度和用例正在塑造监管和运营商策略。研究举例显示,历史上价格最高的低频段频谱出现了显著的下降趋势,因为监管重点越来越集中在农村部署和可负担性上,以支持更广泛的数字包容目标。
与此同时,中频段频谱特别是C频段的价格在2023年后急剧下降,分析师表示这反映了频谱供应充足、市场成熟以及已经拥有大量频谱分配的运营商紧迫性降低。
尽管毫米波的全球平均定价仍显著低于中频段,但GSA指出,这种高频段频谱因其在需要超高容量和低延迟的用例中的价值而日益受到重视,如固定无线接入(FWA)、私有工业网络和高密度场所。研究强调了巴西最近的部署和英国、印度、日本计划中的拍卖如何标志着第二波采用浪潮,这得到了成熟设备生态系统的支持——目前全球支持毫米波的商用设备已超过150款。
GSA主席Joe Barrett表示:"虽然人们自然关注新的频谱拍卖和6G之路,但重要的是要记住关闭较老的2G和3G网络的重要性,这将允许运营商释放低频段和中频段频谱,这两者对扩展4G和5G服务都至关重要。总体而言,虽然毫米波的采用在全球仍处于早期阶段,但投资稳步增长,特别是在频谱政策、基础设施就绪度和城市密度相匹配的地区。"
"随着WRC-27和WRC-31讨论的升温,全球协调和智能频谱共享——包括AI驱动的分配——将成为塑造灵活、高性能无线未来的核心。GSA频谱小组将继续向国际、地区和各国政策制定者和监管机构提供研究和技术分析,以促进移动网络运营商及时获得频谱。作为一个行业,我们现在期待持续的5G增长、6G创新以及移动连接在全球带来的社会经济效益。"
据悉,GSA的GAMBoD数据库能够搜索LTE和5G设备,包括类别类型、芯片组和支持的频谱频段,以及公共和私有移动网络的最新全球数据,包括国家、运营商、垂直行业和网络技术的详细信息。它还包含来自硅供应商的芯片组数据以及支持的技术和功能,以及全球频谱分配数据,包括区域细分和各运营商层面的详细信息。
Q&A
Q1:低频段5G频谱在5G演进中起什么作用?
A:低频段5G频谱在支持物联网(IoT)、应急服务和包容性数字基础设施方面具有战略重要性,对5G演进不可或缺。同时,低频段频谱价格出现下降趋势,监管重点集中在农村部署和可负担性上,以支持更广泛的数字包容目标。
Q2:毫米波5G技术目前发展如何?
A:毫米波5G采用仍处于早期阶段,但投资稳步增长。目前全球支持毫米波的商用设备已超过150款,巴西最近的部署和英国、印度、日本计划中的拍卖标志着第二波采用浪潮,主要用于固定无线接入、私有工业网络和高密度场所等需要超高容量和低延迟的场景。
Q3:不同频段的5G频谱价格趋势如何?
A:低频段频谱价格出现显著下降趋势,中频段特别是C频段价格在2023年后急剧下降,这反映了频谱供应充足、市场成熟。毫米波的全球平均定价仍显著低于中频段,但因其在特定高价值用例中的重要性而日益受到重视。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。