昨天华为举办了5G发布会,我去参加了。其实去之前没想到是一个全球规模的发布会,数十家国际媒体和数百家中国媒体参加。当时华为公共关系部门的人也仅仅简单说,有款5G产品近期要发布,你想不想了解一下?我说好啊。5G是华为最新的技术结晶。所以我想看看是否像前几天任正非在接受媒体采访时说的,“我们有些东西,欧美国家非买不可”。
说实话,当听到华为常务董事、运营商BG总裁丁耘在现场揭开5G基站的红盖头的时候,震撼还是蛮大的。产品形态上,通过对比4G基站,这款宏观基站真是碾压之前的4G基站。这款基站体积更小,重量更轻,功耗更低。
同时现场也请一位安装人员现场安部署了一下,非常简单式的“傻瓜式”安装。
这款5G基站是首款基于5G 基站核心芯片——华为天罡打造的。 “该芯片为AAU 带来了革命性的提升,实现基站尺寸缩小超50%,重量减轻23%,功耗节省达21%,安装时间比标准的4G基站,节省一半时间,有效解决站点获取难、成本高等挑战。”
华为5G的优势首先是大带宽多天线集成。大带宽是指如果说4G每个Cell容量是150Mbps(每秒传输的位数量),那么华为5G单Cell容量达到14.58Gbps,单容量扩大近百倍。
多天线是指华为5G基站目前实通过64T64R(64通道发射64通道接收来)提升网络覆盖。64T64R覆盖相比8T8R提升了80%。可以节省7成新增站址。
当然华为5G的一个优势就是极低的能耗。华为5G实现了25倍于4G的每比特能效。就是说如果4G基站和5G基站同时发送和接受同样的数据量,4G消耗25瓦特的话,5G仅仅消耗1瓦特。
5G的出现是解决数据洪流的,当海量数据从华为5G宏观基站发出,是否有相应的终端能吸收?华为同样打造了华为商用终端5G CPE Pro,该产品的核心是华为5G多模终端芯片——Balong 5000(巴龙5000)。
5G CPE Pro的核心是比指甲盖还小的Balong 5000,Balong 5000在单芯片内实现2G、3G、4G和5G多种网络制式。
所以搭载Balong 5000的华为5G CPE Pro是可支持4G和5G双模式的,所以当华为5G基站部署运行的时候,只要有5G网络,通过在华为5G CPE Pro就可以实现3秒下载1GB的高清视频,将极大的影响人与人,人与房、人与车等的连接。可以看到首先引领智能家居进入5G时代。
5G不仅仅影响着人民的生活,同时对于IT架构形成新的挑战和机遇。任正非其实在1月17日回答媒体的时候,说的很清楚“其实我们做的就是“管道”,给信息流提供一种机会。我们做的服务器存储不就是“管道”中的一个“水池”吗?终端不就是“水龙头”吗?所有这些技术都是一脉相通的。”
任正非没有说的是5G的出现对于服务器和存储形成新的挑战,一方面对于计算力形成新的挑战,一方面对于存储数据的“水池”需要更宽广,更结实。
所以未来的一定是边缘计算和云计算、边缘存储和云存储并存。只有这样才能满足5G带来的信息洪流冲击。
此次发布会华为提到了极简网络、极简运维、极简部署。但是我们应该理解事物都是具备两面性的,极简的背后就是“极其复杂”。就是为了让用户体验极简网络,华为需要花费海量的人员、海量的资源和海量的研发来实现。所以在我看来华为一方面还缺大量的人才,也就是未来华为还需要大量的真正的人才。一方面任正非又说“华为现在问题的就是机构臃肿,人浮于事”。但是是否“极简的机构”能产生“极简的优质的产品”?这个我们五年后见。
好文章,需要你的鼓励
Roig Arena 将于 2025 年 9 月在瓦伦西亚开业,借助 Extreme Networks 的 6GHz Wi-Fi 与数据分析技术,实现无缝运营与个性化观众体验,打造全天候活动中心。
这项研究首次系统研究了大语言模型在表达不确定性时的"忠实度"问题,发现它们往往在不确定时仍使用肯定语言,导致用户过度信任。研究团队提出了MetaFaith方法,通过激发模型的"元认知"能力,使其能更诚实地表达不确定性。在14种模型和10个数据集的测试中,MetaFaith将忠实度提升了高达61%,且83%的情况下被人类评为更可靠。这一突破对构建更值得信任的AI系统具有重要意义。
OpenMamba 是一款意大利独立滚动更新的 Linux 发行版,基于 Fedora 工具构建,提供 KDE Plasma 与 LXQt 桌面。它采用最新组件和标准打包工具,运行稳定且易用,适合规避主流系统限制的用户。
这项研究提出了强化蒸馏(REDI)框架,创新性地利用大型语言模型生成的正确和错误推理过程进行训练。传统方法仅使用正确样本,浪费了包含宝贵信息的错误样本。REDI采用两阶段方法:先用正确样本建立基础,再通过非对称加权的目标函数利用错误样本进一步优化。实验表明,仅用131k个公开数据样本训练的Qwen-REDI-1.5B模型在MATH-500等基准上达到83.1%准确率,与使用800k专有数据训练的同类模型相当或更优,为小型模型离线学习复杂推理能力提供了高效途径。