一级方程式赛车长期以来是尖端工程设计与制造的展示舞台,如今赛事本身也成为通信技术前沿的实践场。最新案例来自爱立信与软银的联合现场试验——双方在2026年日本大奖赛上,基于5G独立组网(SA)与毫米波(mmWave)技术,完成了先进通信服务的联合验证。
此次试验是两家公司作为F1日本大奖赛赛事支持者联合活动的一部分。赛事于3月27日至29日在铃鹿赛道举行,据悉这也创下了日本赛事现场同时使用网络切片数量的最高纪录。
关于项目背景,爱立信指出,在大型赛事现场,各类通信需求同步产生,涵盖广播视频传输、无现金支付处理,以及观众发布社交媒体内容、观看和上传视频等多个场景。
在本次试验中,爱立信与软银在软银商用网络上验证了"网络控制"机制的有效性,以针对大奖赛现场各具体使用场景优化通信质量。
为支撑各项操作,两家公司在软银商用网络上构建了五个独立的网络切片(含毫米波通信切片),并向现场用户同时提供服务。
为应对多场景并发,爱立信与软银部署了三频段大规模MIMO天线(AIR6476),以实现高能效、大容量通信,同时增设更多毫米波射频单元(AIR1281)以满足毫米波使用场景需求,并开展了精细化网络设计。
这一方案使双方得以提供针对特定场景优化的连接服务,最终通过扩容与优化网络容量,显著提升了普通观众的通信质量。
本次验证的具体应用场景包括:5G SA用户的高质量通信、扩展现实(XR)体验、无现金支付支持、公共Wi-Fi的毫米波回传,以及毫米波5G无线摄像机视频传输。
深入来看,这些场景分别展示了以下能力:通过为软银5G SA用户分配更多无线带宽来提升网络性能;通过专属网络切片,为高带宽、低延迟需求的XR体验活动提供保障;为特定门店的支付终端提供稳定的专用5G连接;以及通过固定无线接入(FWA)为软银及Y!mobile用户提供公共Wi-Fi服务。
在速率表现方面,5G SA用户的下行速率约提升至原来的4倍,上行速率提升超14倍;5G NSA用户的下行和上行速率也分别提升约1.5倍和6倍。
此外,借助网络切片技术与爱立信的5G Advanced特性——包括吞吐量控制、低延迟优化和毫米波控制——两家公司实现了带宽与延迟的精细化管控、各场景的资源优化分配,以及整体移动网络性能的综合提升。
在保障普通用户稳定通信服务的同时,即便面临周末网络拥塞,网络仍确保了对延迟要求严格的支付终端顺畅运行。值得关注的是,针对对低延迟需求极高的XR场景,两家公司确认,与同期普通5G SA用户相比,无线侧下行延迟降低至十分之一。
在直播领域,网络为现场直播提供了无线摄像机与视频传输环境。与支付处理场景类似,网络在维持视频流质量的同时,通信速率与连接容量均较上一年赛事实现"大幅"提升。爱立信与软银表示,这证实了即便在高流量环境下,用户仍可流畅发布社交媒体内容和开展直播。
Q&A
Q1:此次日本大奖赛的5G试验中,同时构建了多少个网络切片?
A:爱立信与软银在软银商用网络上共构建了五个独立的网络切片,其中包含毫米波通信切片,并向现场用户同时提供服务。这也创下了日本赛事现场同时使用网络切片数量的最高纪录。
Q2:5G SA用户在此次试验中实际体验到了多大的速率提升?
A:5G SA用户的下行速率约提升至原来的4倍,上行速率提升超14倍。相比之下,5G NSA用户的下行和上行速率也分别提升约1.5倍和6倍。
Q3:毫米波技术在大奖赛现场具体用于哪些应用场景?
A:毫米波技术主要用于两类场景:一是作为公共Wi-Fi的回传链路,为软银及Y!mobile用户提供无线接入;二是用于无线摄像机的视频传输,支持现场直播。两类场景均在高流量环境下保持了稳定的通信质量。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。