ofo与摩拜单车在近期是一个比较热门的话题,小黄车前脚刚传出搭上“滴滴”,小红车则宣布了与微信的联姻。这些商业合作听起来挺热闹,但普通用户其实更关心如何才能更方便地找到好骑的车。
如何让用户更方便地找到共享单车?如何更好地对共享单车进行维护和管理?这就要求共享单车能进行精准定位。我们可以看到,ofo与摩拜单车都在积极主动地对其共享单车进行升级,这其中最为关键的就是在物联网技术领域方面的更新。可以预见,包括用户骑行轨迹,骑行速度、综合海拔、经纬度等等诸多信息在不久后都可以定期或是实时地传送至服务提供方,使其可以更进一步了解用户的需求以及车辆自身状态,为其车辆投放与维护提供更为详细的参考,最终使得共享单车的用户能更安全、更方便地用上好骑的自行车。
翻看两家在物联网领域的技术选择,无论是摩拜与爱立信和中国移动的合作,还是ofo与华为和中国电信的合作,其关键词都是“NB-IoT”(Narrow Band Internet of Things,NB-IoT)。NB-IoT旨在解决大量物与物之间的低功耗、低带宽、远距离传输的网络连接,属于LPWAN(Low Power Wide Area Network)这一范畴。而在NB-IoT诞生前,LoRa则是该领域更为人耳熟能详的。
LoRa是由美国Semtech公司提出的一种私有低速物联网技术,Semtech同时也发起组建了LoRa联盟,该联盟自2015年3月成立,目前已经有包括IBM、思科、微芯等超过400家企业加入了该联盟。众多企业在该联盟中有着一定的分工,这其中包括系统方案商、软件厂商、芯片厂商、模块厂商、终端设备厂商以及小部分运营商。
NB-IoT则是由3GPP组织推动的开放技术标准,基于成熟的蜂窝技术,增加了跳频和抗干扰技术,及更先进的无线资源利用技术,以适配免授权频谱的法规和传播环境。其联盟成员中同样有着包括华为、英特尔、高通、爱立信等企业以及包括中国移动、电信、联通、沃达丰、德国电信、西班牙电信等运营商在内的多种角色组成。
在LPWA领域中,LoRa与NB-IoT存在着明显的竞争关系。而随着基于NB-IoT标准的商业化解决方案在市场上开始崭露头角后,面对巨大潜在市场的竞争才算是拉开序幕。而作为后来者,NB-IoT有着一些“与生俱来”的优势。
三优势或将决定发展上限
其一,在技术标准的制定与演进上两者存在着很大区别。正如上文所言,LoRa技术由Semtech公司提出,其在联盟中扮演着芯片供应商这一重要角色,包括Chirp调制、同步、纠检错、帧结构,组网,芯片架构在内的几乎所有技术细节都有相应的专利保护,并采用类似ARM公司的芯片授权方式授予更多公司制造LoRa相应芯片。这一现状对于巨量的潜在客户而言是不愿看到的,尤其在LPWA这样的新兴市场中。反观NB-IoT,诸如华为、英特尔、高通等公司均有着相应的芯片设计能力,并已经先后发布了数款NB-IoT芯片。这使得在NB-IoT领域中存在着足够的内部竞争与筛选,由此可以在发展过程中博取众家之长。
其二,关键性能NB-IoT占优。从现有产品上来看,基于运营商蜂窝网络的NB-IoT产品在链路传输性能与安全性上有着更好的表现。尤其是在高负载状态下,性能优势将体现的更为明显。而针对不同行业应用,有着众多芯片设计商的NB-IoT在业务模型展开后也更易满足复杂的行业需求。
其三,生态链中的优势。LoRa联盟采用芯片授权的方式以供不同层厂商来共建一套完整的解决方案。这种看似灵活的解决方案存在着一些不确定性,正如在传统ICT市场曾大量出现的情况一样,一旦这样的集成方案出现故障时,如何快速定位?这无疑增加了维保时的成本与难度,也有悖于行业专网的快速部署维护。而NB-IoT吸引了更多大型电信运营商以及主流的行业解决方案供应商。这其中不乏富有经验的厂商可以提供端到端的行业解决方案。据悉,目前已经有NB-IoT解决方案厂商可以提供网络侧的统一交付,以规避出现不同厂家带来的网络侧互联互通测试以及多方维护等难题。
当然,纸面分析是一回事,成色最终还是要在市场上见真章。目前来看,NB-IoT初期将面临的问题很可能是缺乏相对大的场景来让其大展拳脚。如何在这一时期排兵布阵,以为未来巨量的市场打开通路,这是摆在NB-IoT阵营前最为紧要的事情。
在讲究“应用为王”的互联网时代,我们见证了许多应用软件公司的崛起。而在即将腾飞的物联网时代,应用依然是不可或缺的,智能抄表、智能停车、自动化数据采集、智慧城市应用等领域都有着无比巨大的潜在市场。
“一时瑜亮,可终有先后。”回过头来再看看NB-IoT身后的支持者,先占个坑可好?
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。