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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。