中国上海,2023 年 8 月 30日 – VIAVI Solutions(VIAVI)(纳斯达克股票代码:VIAV)近日宣布推出支持非地面网络(NTN)和高空平台(HAP)的基站和端到端测试。无线技术对传统地面通信网络日益加持,借助卫星通信助力提供近乎全面的覆盖。VIAVI TM500 和 TeraVM测试平台能够在 NTN 和 HAP 网络独特的服务链路条件下,对 gNodeB 和整体网络的一致性、性能和可靠性进行验证。
3GPP R17标准正式引入了对 NTN 的支持和指南,预计后续版本将继续完善标准。这些规范将有助于提高 NTN 的性能,使其能够与地面电信网络融合,并支持现有5G 移动手机和芯片组。VIAVI 的一项分析预计,卫星通信的增长将导致大约3万颗新卫星绕地球运行,从而极大程度上扩展NTN 提供全面覆盖的潜力。
5G卫星通信为测试带来了更高的复杂性。NTN 需要做到可靠,以应对卫星、HAP 和用户设备(UE)的距离、速度和移动性等方面的问题,同时还要保障性能。测试解决方案不仅需要仿真不同的 UE 移动性和衰减曲线,还必须考虑到快速移动的卫星和机载平台带来的巨大多普勒频移。
为在非地面部署之前对基站进行验证,TM500 可模拟大量设备、新的移动模式、信号传播延迟以及 NTN 特有的其他条件,同时 TeraVM 可以模拟核心网络。该测试场景非常适合 3GPP 协议测试等早期功能测试,且可应用于再生架构和透明架构。进一步的测试场景侧重于端到端网络的测试和优化,使用真正的核心网来验证整体网络的性能和可靠性。
VIAVI无线业务部高级副总裁Ian Langley表示:“NTN为移动和卫星运营商提供了新的机遇和合作的可能,并有望为服务欠缺和人口密集地区提供连接并支持关键任务应用。然而,随着人们对部署此类网络的意向日益提升并竞相展开部署,进行可靠性、稳定性和性能的测试对于成功至关重要。”
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。