根据RootMetrics发布的2025年上半年英国移动网络性能报告,尽管过去十年英国移动市场发生了巨大变化,但EE运营商连续第12年在全国综合排名中位居榜首。
RootMetrics的测试方法遵循两个基本标准:从消费者角度测试移动运营商性能,以及以易于理解的方式提供客观、准确、无偏见的性能评估。
在2025年上半年的测试中,RootMetrics进行了超过62.5万次驾驶和步行测试来衡量真实世界性能,评估了EE、沃达丰、Three和Virgin Media O2网络的可靠性、速度、5G可用性、通话、数据和短信服务。测试覆盖英国最大的16个城市和四个国家的农村社区,以及超过22000英里的道路和近800个室内场所。
在分析所有英国移动网络5G连接质量时,RootMetrics重点关注两个主要领域:网络可用性和性能质量。结果证明EE在英国提供最佳5G体验,拥有最高的平均5G下载速度(241.2 Mbps)。
EE还拥有英国最快的平均5G下载速度——是第二名沃达丰的两倍多(110.8 Mbps对48.4 Mbps)。在谢菲尔德,最快网络录得213.9 Mbps的中位下载速度,比最接近的竞争对手沃达丰快147.9 Mbps,这是英国城市级别最大的领先优势。伦敦出现了最显著的年度转变,EE速度提升50.9 Mbps,而第二快的运营商速度下降。
分析师表示,这些性能提升得益于EE 5G网络的广泛覆盖,英国监管机构Ofcom的数据显示其覆盖范围超过任何其他提供商。EE还赢得或共享了每个英国范围内的RootScore奖项,在国家和都市区域测试中获得最多奖项。EE还在英国四个国家中均获得总体RootScore奖项(有一次并列),并在测试的全部16个都市市场中获奖。
Three在主要城市获得30个奖项,在国家级别保持了四个RootScore奖项。其中三个来自短信性能——在英格兰、北爱尔兰和威尔士,第四个是北爱尔兰的通话性能奖。Three在主要城市的中位下载速度与2024年下半年基本相似,2025年上半年有14个市场速度超过50 Mbps,而上次为13个。
RootMetrics认为Virgin Media O2在2025年上半年取得进一步进展,提升了主要城市和各国的速度,同时改善了大多数测试城市的5G可用性。该运营商在中位下载速度超过50 Mbps的城市数量是前六个月的两倍,在南安普顿的5G可用性单城市增幅最大,达到21.9%。
已与Three合并的沃达丰在北爱尔兰与EE共享总体RootScore奖项,该奖项表彰该地区表现最佳的网络。沃达丰在2025年上半年在北爱尔兰共获得五个奖项,包括网络可靠性认可。
沃达丰在主要城市的速度与2024年后六个月的结果相对相似,大部分中位下载速度超过50 Mbps——在16个市场中有12个达到这一标准。然而,该运营商这次的奖项总数有所下降,都市区奖项从2024年下半年的45个降至21个,国家级奖项从13个降至5个。
Q&A
Q1:RootMetrics是如何测试英国移动网络性能的?
A:RootMetrics在2025年上半年进行了超过62.5万次驾驶和步行测试,评估EE、沃达丰、Three和Virgin Media O2网络的可靠性、速度、5G可用性、通话、数据和短信服务,覆盖英国最大的16个城市、四个国家的农村社区、超过22000英里道路和近800个室内场所。
Q2:EE在5G性能方面有什么优势?
A:EE在英国提供最佳5G体验,拥有最高的平均5G下载速度241.2 Mbps,是第二名沃达丰110.8 Mbps的两倍多。在谢菲尔德录得213.9 Mbps速度,比最接近竞争对手快147.9 Mbps,代表英国城市级别最大领先优势。
Q3:其他英国移动运营商表现如何?
A:Three获得30个城市奖项和4个国家级RootScore奖项,主要在短信和通话性能方面表现出色。Virgin Media O2取得进步,5G覆盖和速度都有提升。沃达丰在北爱尔兰与EE并列第一,但总体奖项数量有所下降。
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。