根据全球移动通信系统协会 (GSMA) 的研究显示,到 2024 年底,欧洲 5G 连接占移动连接的 30%(相当于 2 亿用户),高于全球 24% 的平均水平,预计将在 2026 年成为欧洲大陆的主导移动技术。
然而,研究指出,为保持欧洲 5G 在全球市场的竞争力,迫切需要政策改革来推动全欧洲投资环境的根本性改变。
最新版《欧洲移动经济年度报告》对 5G 前景持乐观态度。目前,5G 已在德国和瑞士占据主导地位,而在丹麦、芬兰、挪威和英国的普及率超过 40%。GSMA 预计,到 2030 年,5G 将为整体经济带来额外 1640 亿欧元的增长,届时欧洲 80% 的连接将是 5G,4G 仅占 18%。
报告指出,5G 独立组网 (SA) 和 5G-Advanced 等先进技术展现出特别的发展前景,这些技术正在获得关注,有望通过网络切片等应用解锁新的使用场景和商业机会。
GSMA 注意到,截至 2024 年 9 月,已有 18 家欧洲运营商推出了 5G SA 服务,包括英国 EE 和法国 Free 最近的服务。此外,5G-Advanced 将为企业提供新的解决方案,实现上行链路和多播服务的低延迟,提高扩展现实应用的精确度,并提升人工智能 (AI) 的可靠性。
然而,研究警告称,欧洲的 5G 普及率仍落后于北美、东亚和海湾合作委员会等其他发达地区,这些地区的运营商已开始关注下一代网络。GSMA 表示,要保持全球竞争力并最大化 5G 潜力,欧洲迫切需要政策改革来推动投资。
GSMA 特别强调,除非解决限制欧洲行业投资能力的关键监管挑战,否则这些技术在欧洲的普及将更加缓慢。该组织补充说,数字基础设施对于帮助欧洲保持全球竞争力至关重要,不仅为先进技术奠定基础,还将支持到 2030 年移动数据流量预期增长三倍的需求。
报告还强调,欧洲运营商在 AI 和生成式 AI 开发方面处于领先地位,超过三分之一 (36%) 的运营商已在多个业务领域广泛部署生成式 AI。报告揭示了德国电信、EE、Orange 和 Vodafone 等欧洲运营商在网络优化、安全增强和客户服务改进方面的最新应用。
GSMA 呼吁,解决欧洲数字基础设施需求是重振欧洲电信业作为竞争力和繁荣引擎的重要第一步。报告指出,增加投资的益处不仅限于电信和技术领域,还将影响其他所有行业。报告最后提出了支持欧盟委员会建立具有竞争力、安全和可持续生态系统的行动建议。
这些建议包括:完善数字单一市场,使移动产业能够跨境或泛欧盟范围内开发和部署服务;实施额外措施确保互联网价值链的公平性;启动欧盟并购法规审查,更长远地考虑投资和创新效应;建立支持投资且更可预测的欧盟频谱政策;支持移动运营商的可持续发展努力。
GSMA 首席监管官 John Giusti 在评论该研究时表示:"欧洲在发展其企业和公民成功所需的数字基础设施方面正处于十字路口。看到欧洲与世界其他大市场的差距越来越大令人担忧。"
"移动产业为欧洲经济带来超过 1 万亿欧元的贡献和数百万就业机会,其作为商业、物流和创新的关键推动者的角色需要得到优先考虑和加强。欧盟委员会和欧盟其他机构需要采取紧急行动,推行欧洲数字经济所需的政策改革,以支持强劲持续的网络创新,并在 2030 年前重新确立在全球技术市场的领导地位。"
好文章,需要你的鼓励
Meta宣布将向云端AI基础设施供应商CoreWeave追加210亿美元投资,以跟上竞争对手的AI发展步伐。此前,Meta已于去年9月与CoreWeave签订142亿美元合同,新协议将服务期延伸至2027至2032年。CoreWeave运营着大规模数据中心网络,配备大量英伟达GPU芯片。Meta今年AI基础设施总预算高达1150至1350亿美元,并新设超智能实验室推进前沿模型研发。CoreWeave同日宣布将额外融资30亿美元,用于扩建数据中心。
Alaya Studio联合多所顶级大学开发的"生成式世界渲染器"实现了虚拟游戏画面与真实视频间的双向转换。该系统通过从《赛博朋克2077》和《黑神话:悟空》收集400万帧高质量数据,训练AI理解材质、光照等视觉要素。创新的ReShade数据采集技术和VLM评估方法解决了传统合成数据的局限性,在材质识别和场景编辑方面取得突破性进展,为游戏开发、影视制作和创意设计提供了强大工具。
微软宣布自5月1日起,Windows 365云电脑价格下调20%,旨在降低中小企业的使用成本。此次调价伴随体验变化:用户断开连接后云电脑将保持运行一小时,超过一小时后重新连接需等待从休眠状态恢复。目前Windows 365商业版提供三档配置,月费分别为31、41和66美元。Gartner预测,到2027年将有20%的员工以云电脑为主要工作终端,微软此举意在扩大市场份额。
北京大学等机构联合发布DataFlex框架,这是首个统一的数据中心化动态训练系统。该框架让AI训练从"填鸭式学习"升级为"智能化学习",通过动态数据选择、配比调整和权重分配,显著提升模型性能和训练效率,同时保持与现有训练流程的完全兼容性。