固定无线接入(FWA)市场已成为移动行业中最有趣且具有潜在盈利能力的领域之一。全球移动供应商协会(GSA)的年度研究证实了5G在该领域的发展势头和规模,随着5G FWA在各大洲的广泛采用,运营商能够开拓新的宽带服务机会。
研究结果显示,FWA客户终端设备(CPE)供应商预计出货量将加速增长,2025年将增长26%,达到3530万台。据报告,2024年CPE总出货量为2800万台,比2023年增长22%。在全球范围内,5G FWA正越来越成为常态。首次有超过一半的全球区域——七个区域中的四个——报告2024年超过50%的FWA CPE出货量支持5G技术。
这标志着自2024年类似调查以来的重大变化,当时只有美国和印度报告5G FWA CPE出货量占比超过50%。目前,5G在中国和亚太其他地区(RoAPAC)也占据主导地位,北美和印度现在报告的5G CPE出货量份额分别达到93%和92%。亚太地区占2024年5G CPE出货量的35%,其次是中东和非洲地区的30%。
支持5G的FWA出货量现已在全球范围内成为主流,2024年达到1680万台。研究预测增长将持续,受调查的FWA CPE供应商代表性样本的综合出货量预计将在2025年增长至2010万台,增幅19%——占2025年出货量的57%,而2024年这一比例为60%。除了运营商在全球范围内持续更广泛采用5G FWA外,GSA预计几项市场发展也将促进这一增长。
支持5G独立组网(SA)的FWA在2024年占5G CPE出货量的95%。支持5G SA的CPE出货量预计将在2025年增长11%至1770万台,而2024年为1600万台。
在另一个关键例子中,支持毫米波的5G CPE出货量预计在同期将增长至100万台以上——同比增长47%——调查还显示41%的供应商预计在2025年推出支持5G RedCap的FWA产品。
2024年FWA CPE出货量中,集成室内CPE占大多数(54%),其次是电池供电热点设备(33%)和室外CPE(13%),而58%的室外CPE是灵活的可自安装室内/室外CPE。
GSA 4G-5G FWA论坛副主席约翰·亚兹勒对研究结果评论说,所显示的趋势不仅对FWA供应商生态系统的健康发展是令人鼓舞的消息,而且随着更多频谱可用和5G网络向5G-Advanced演进在即,也清楚表明FWA CPE供应商之间的合作关系正在发挥作用。
他说:"如今,大多数厂商认为人工智能能力对5G FWA CPE的主要好处在于改善5G连接性能和体验。毫米波正在各种宽带应用场景中证明其价值,从密集住宅区、针对性企业部署到弥合农村地区数字鸿沟,而5G RedCap正在成为从LTE转型市场中FWA的可行补充选择。运营商可以通过创新继续推动全球增长。"
GSA 4G-5G固定无线接入论坛调查的数据收集时间为2025年4月至7月。调查参与者包括:亚信科技有限公司、启基、AVM、BEC科技、大唐科技、正文科技、绿色数据包、华为、嘉顿科技、美格智联科技、诺基亚、深圳建德利、SMAWave、拓思德康威、万迪瓦、启碁科技和耀金科技。
Q&A
Q1:什么是FWA技术?它有什么用途?
A:FWA是固定无线接入技术,是移动行业中最有前景的领域之一。它能为运营商提供新的宽带服务机会,特别是在5G技术加持下,可以应用于密集住宅区、企业部署和农村地区数字鸿沟弥合等多种宽带应用场景。
Q2:2024年全球5G FWA设备出货情况如何?
A:2024年全球FWA CPE总出货量为2800万台,比2023年增长22%。其中支持5G的FWA出货量达到1680万台,已成为全球主流。首次有四个区域的5G FWA CPE出货量占比超过50%,北美和印度的份额更是分别达到93%和92%。
Q3:5G FWA设备未来发展前景如何?
A:前景非常乐观。预计2025年FWA CPE出货量将增长26%达到3530万台,其中5G设备出货量将增长19%至2010万台。支持毫米波的5G CPE出货量预计增长47%超过100万台,41%的供应商计划推出支持5G RedCap的FWA产品。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。