2020年,通过网络相互连接的智能设备将达到500亿台,从可穿戴设备、机器人,到智能家居、智慧城市、互联工厂等等,都需要接入网络。这些智能设备产生的数据量将比银河系星星的数量还要多200亿倍,它们正在呼唤着下一代无线通信网络——5G的到来。
5G≠4G+1G
谈到5G,大家最先想到的是5G会比4G更快、带宽更高。但5G并不仅仅是简单地在4G上加1G,它还将带来高可靠和低时延,让无人驾驶汽车能像第六感一样近乎实时地获取与周围环境的信息。而5G与4G最大的不同就在于,5G让智能的万物能够互联,实现了大规模机器间的相互通信。英特尔预计,到2020年,5G将需要连接500亿台智能设备和77亿人。
为了实现5G的这些功能,网络已经开始全面转型,以确保未来网络是弹性的、可编程并能够动态管理的。网络功能虚拟化(NFV)和软件定义网络(SDN)是其中的基础,实际上就是用计算解决通信问题。同时,英特尔看到,多接入边缘计算(MEC)也正成为网络转型的驱动力,将网络核心功能下沉到网络边缘,在无线网络侧增加了计算和存储等功能,以满足5G低时延、高带宽的业务需求。
未来,网络还将继续向前演进,并通过通信解决计算问题。5G会第一次真正将智慧云和云端处理的有价值的信息传输到智能设备端。届时,手机和电脑的应用水平将不再受限于设备本身的配置,而是可以借力云端更强大的处理能力。包括工业控制、无人驾驶等这些全新的5G应用也将受益于计算和通信相互融合带来的乘法效应。
因此,英特尔认为,5G需要通信和计算的融合,用计算解决通信问题、用通信解决计算问题,以支持海量设备的互联和海量数据的传输及处理。5G不仅仅关乎手机和电脑,还关乎无人驾驶、虚拟现实、智能家居、智慧城市等前瞻性应用领域。它不仅是通信技术的演进,还拥有比无线通信行业更广泛的生态系统。
5G为各行各业带来商机,驱动经济爆发式增长
正是基于这样的理解,在英特尔看来,5G是一个全新的起点,是一场整合无线连接、计算和云的产业革命,将满足我们对整个产业升级的期待。5G将会把云端的商机带到无线领域和各大垂直行业,带来 “通信X计算 X 垂直行业”的乘法效应,赋能并倍数放大经济发展。它也将带来巨大的环境和社会效益,让用户享受到前所未有的精彩体验。
5G的日益成熟将助力无人驾驶汽车在未来3-5年内取得突破性进展。它让无人驾驶汽车能够使用基于云的人工智能和数据,并与路上其他汽车和路灯等交通基础设施近乎实时地“沟通”。这将改善交通拥堵,带来更安全、高效和轻松的驾驶体验。而电动汽车和共享无人驾驶汽车相结合,将大大降低碳排放量,具有重要的环境和社会意义,中国政府正在积极加快部署零排放和无人驾驶汽车。
城市消耗全球三分之二的能源以及绝大多数其它资源,5G能够连接数以亿计的物联网设备,让智慧城市成为现实,这将带来环境(能效、空气质量、清洁水)和社会效益(应急响应的无人机、城市结构的安全性)。中国正在规划超过285个智慧城市项目,以改善和提高市民的生活质量。
5G也将释放游戏行业的“洪荒之力”,让电子竞技“不稳定因子”的网络延迟成为过去时;让增强现实中的游戏角色变得更加智慧、敏捷;将云计算的强大计算力量引入虚拟现实,为狂热的游戏迷降低虚拟现实游戏的成本负担。
5G为带来的改变不止于此,智能家居将实现,冰箱也能帮你网购;“24小时精准医疗”有望成为现实,即在24小时内完成包括基因序列检测、数据分析、疾病诊断,以及制定个性化治疗方案等;支持无人机替代人类去完成像石油钻机、风力涡轮这样的高危工程检测等工作……
5G正在将人类带到一个更为广阔的世界。只有将5G置于一个更大的产业与技术格局之中,才能够实现其经济和社会效益。在这里,5G需要产业各方的合力,而英特尔也在其中具有独特的定位和优势。英特尔是唯一一家能够提供5G端到端(从智能设备、无线技术,到网络和云)解决方案的公司。同时,多年来兼具广度和深度的跨产业合作经验也让英特尔在推动通信计算和各大垂直行业融合的道路上轻车熟路。我们希望与各方一道,共同加速5G时代的到来。
好文章,需要你的鼓励
Anchor Browser获得600万美元种子轮融资,专注解决AI代理安全可靠地使用网络的挑战。该公司重新设计浏览器作为云端执行层,为每个AI代理提供独立安全的浏览器环境。与传统浏览器不同,Anchor的b0.dev系统让代理能够规划工作流程并可靠重复执行,将混乱的自动化转变为企业级软件工程。
清华大学研究团队开发的SLA技术通过将AI视频生成中的注意力权重智能分类,对不同重要程度的权重采用差异化计算策略,成功实现了95%的计算量减少和20倍的速度提升,同时保持视频质量不变,为AI视频生成效率优化开辟了新思路。
英国竞争与市场管理局经过九个月调查,将谷歌和苹果的移动平台指定为具有战略市场地位。监管机构表示,两家公司在移动平台领域拥有根深蒂固的市场主导地位,其平台规则可能限制创新和竞争。这一指定使监管机构能够考虑采取针对性干预措施,确保英国应用开发者能够创新和发展业务,但目前尚未引入任何直接要求。
斯坦福大学等机构联合提出多人Nash偏好优化(MNPO),突破传统双人训练局限,让AI在多人游戏环境中学习处理复杂非传递性偏好。该方法通过时间依赖设计,让AI与历史版本对话练习,在所有主要测试中显著超越现有方法,在Arena-Hard中甚至超过GPT-5,为AI对话系统训练提供了更贴近真实世界复杂性的新范式。