随着电信行业知名企业和各垂直行业工业巨头加速部署私有5G网络,研究显示此类网络投资将在2025年至2028年间以约41%的复合年增长率增长,年度支出预计到2028年将达到50亿美元。
SNS Telecom & IT发布的《私有5G市场:2025-2030》报告指出,基于LTE通信的私有移动网络已是一个成熟市场,存在超过十年,但仍属于更广泛蜂窝基础设施领域的细分市场。
然而,分析师强调,基于3GPP定义的5G规范的私有蜂窝网络或非公共网络(NPN)正处于成为主流技术的关键节点,其市场潜力超越私有LTE。
从技术角度来看,SNS Telecom & IT指出,与LTE技术相比,私有5G网络在吞吐量、延迟、可靠性、可用性和连接密度方面能够满足更为严苛的性能要求。
报告特别提到5G的超可靠低延迟通信(URLLC)和大规模机器类型通信(mMTC)能力。这些特性,加上向2030年代6G网络的未来升级路径,使私有5G成为机器、机器人和控制系统间工业级通信有线连接的可行替代方案。
此外,报告强调5G更广的单个无线节点覆盖半径、可扩展性、确定性、安全特性和移动性支持,在工业物联网环境中激发了强烈兴趣,有望替代易受干扰的免许可无线技术,特别是在连接传感器和其他终端数量预计将显著增长的未来几年。
从财务角度看,研究预测垂直行业私有5G网络的年度总投资将在2025年至2028年间以约41%的复合年增长率增长,最终在2028年底超过50亿美元大关。
研究指出,初期增长主要由覆盖地理位置有限区域的高度本地化5G网络推动,用于制造业和流程工业的工业4.0应用。在这些领域,用于公共安全、公用事业和铁路通信的低于1GHz广域关键通信网络预计将在预测期后半段加速从LTE、GSM-R和其他传统窄带技术向5G转型。
过去12个月,美国、加拿大、德国、英国、法国、中国、日本、韩国、澳大利亚、巴西等国家的组织加速推进数字化和自动化倡议。私有5G安装已发展到实用和切实效益日益明显的阶段,特别是在效率提升、成本节约和工人安全方面。
报告显示,空客、Aker BP、Boliden、印度煤炭有限公司、Equinor、阿提哈德、福特、和记港口、现代、捷豹路虎、约翰迪尔、LG电子、汉莎航空、纽蒙特、浦项制铁、特斯拉、丰田和沃尔玛等工业巨头的生产级私有5G网络部署明显增加。分析师表示,这些投资为工业4.0和先进应用场景铺平道路。
应用场景实例包括特斯拉、LG电子和现代在美国和韩国生产设施中将自动导引车(AGV)和自主移动机器人(AMR)通信从免许可Wi-Fi系统迁移到私有5G网络后,消除了连接相关停机。法国伊斯特雷市通过用私有5G网络替代基于光纤的连接,将视频监控摄像头安装成本从每台34,000美元降至不到6,000美元。
在其他地区,中国华能集团依靠三频段(700MHz、2.6GHz和4.9GHz) 5G-Advanced网络,在内蒙古伊敏露天煤矿安全协调100辆无人电动矿卡车队。
Q&A
Q1:私有5G网络相比LTE有什么优势?
A:私有5G网络在吞吐量、延迟、可靠性、可用性和连接密度方面能够满足更为严苛的性能要求。特别是5G的超可靠低延迟通信(URLLC)和大规模机器类型通信(mMTC)能力,加上向2030年代6G网络的未来升级路径,使其成为工业级通信的理想选择。
Q2:哪些知名企业已经部署了私有5G网络?
A:包括空客、福特、特斯拉、丰田、现代、LG电子、捷豹路虎、约翰迪尔、汉莎航空、沃尔玛等工业巨头都已进行生产级私有5G网络部署。这些企业通过私有5G实现了效率提升、成本节约和工人安全改善。
Q3:私有5G市场未来几年的增长前景如何?
A:研究预测垂直行业私有5G网络的年度总投资将在2025年至2028年间以约41%的复合年增长率增长,最终在2028年底超过50亿美元。初期增长主要由制造业和流程工业的工业4.0应用推动。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。