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
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。