康普北亚区技术总监吴健
2019年见证了Wi-Fi 6认证产品的推出,共享频谱的部署,部分城市推出了5G手机和服务,以及专用网络关注度的增加。2020年,新标准、新产品和新服务将为企业提供更多选择,以满足对容量和覆盖范围日益增长的需求以及终端用户不断增长的期望值。
在医疗、教育和酒店等多个不同垂直领域,Wi-Fi 6接入点(AP)的出货量将增加,以支持4K视频、电子竞技、AR/VR、人脸识别和公共安全等高带宽应用。我们已经看到,国内企业和机构正在寻求利用Wi-Fi 6来提供更大的室内网络容量,例如作为国内首个Wi-Fi 6标准无线校园网案例的深圳大学城,显著提升了人们在校园内工作和生活的数字化水平。
预计到今年年底,大部分出货的接入点都将是Wi-Fi 6 AP(其容量为Wi-Fi 5 Wave 2 AP的四倍)。部署在密集设备环境中的Wi-Fi 6 AP由于使用了正交频分多址(OFDMA)、多用户多输入多输出(MU-MIMO)和目标唤醒时间(TWT)等技术,可以在更多样化的使用环境,向更多客户终端提供所需的高质量服务。
美国联邦通信委员会(FCC)已批准了公民宽带无线电服务(CBRS)的初步商业部署。除美国之外,荷兰、德国、瑞典和英国等许多欧洲国家和地区也正在研究使用共享频谱和运营商专享频段的本地许可方案。与美国一样,今年欧洲企业利用3.4-3.8GHz频段的本地接入,将能够更轻松地部署自己的专用网络。中国与其他国家不同,国内的频谱资源由政府分配。近期,我国政府已许可三家电信运营商共享5G室内覆盖的频谱,这是推动5G商用进程最新的一项有力举措。工信部公告表示,三家企业将共享3300-3400MHz频段频率用于5G室内覆盖。这是我国首次将公众移动通信频率资源同时许可给多家企业共同使用。
5G网络具有低延迟大容量的特点,消耗巨大的频谱资源是自然的。未来,我们将看到多制式网络频谱融合技术将是5G系统的关键能力。通过精细化管理,实现高、中、低频段的频谱共享,从而提高频谱使用率,是缓解频谱供需矛盾的重要手段。
2020年,无线网络的另一个选择是专用网络,即通过网络切片形成的专用网络或专用LTE网络。专用网络的概念并不陌生,但CBRS和5G的推出让这个话题变得更加有趣。企业意识到,通过管理自己的专用网络,他们能够保留那些可用于分析和机器学习,具有价值的数据的所有权。例如,一些国际知名的汽车制造公司就已经选择使用5G技术在其生产基地部署了自己的专用无线网络。
随着物联网部署的增加,楼宇将迅速由内而外变得更加“智能”。但是,物联网部署和后续管理仍存在挑战,尤其是考虑到某些应用的不同特性和需求。物联网设备经常需要安装独立的网络,这让精简的IT部门不堪重负,并增加了安装和管理成本。
2019年的5G营销主要面向消费市场,但我们认为推动部署的第一个真正应用场景是来自室内部署。为了实现这些应用,今年无线运营商将充分利用他们通过拍卖或分配获得的频段,做出技术决策以最大化其投资回报。
这些技术决策将影响运营商在室内环境部署5G网络以交付如物联网等诸多应用的能力,因为在物联网中,机器对机器通信可让数十亿台设备将瞬时爆发的信息发送至其他系统,从而保证高效的运营,这些新能力将让智能楼宇和智慧城市焕然新生。
支持上述这些技术及其应用的高带宽需求在今年变得尤为重要。康普认为,室内无线网络将在今年成为“新基础设施”升级的催化剂,包括新的以太网供电(PoE)的多级交换机和光纤布线。
负责周期性升级的IT部门将在今年部署可支持高达10Gbps传输速率的Cat.6A类铜缆,以消除网络瓶颈并完全支持新的PoE需求。此外,为了支持预期的数据量和设备数量增长,康普认为企业将在今年投入时间和资金,引入新的多级交换机和Wi-Fi 6 AP。
随着Wi-Fi 6等新技术的引入,共享频谱的推出,专用网络关注度的增加以及5G网络的持续推出,2020年将是消费者和企业成为无线连接大发展的一年,不论是Wi-Fi 6还是5G都将同步配合迅猛发展。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。