“好的士兵有了好的武器,方能如虎添翼!”日前,在泰国曼谷召开的第十三届全球移动宽带论坛上,北京联通副总经理杨力凡在谈到北京联通和华为联手打造的5G Capital项目时介绍说。的确,作为全球5G网络建设的标杆,5G Capital无论是日常百姓使用或是在历次重大通信保障中都交出了极其靓丽的答卷,特别是在基于全球独一无二的5G 200M中频段大带宽实施的双载波聚合这个“豪华双车道”上,双方更是玩出了花样,玩出了精彩。
5G“豪华双车道”体验非凡
“建网三年以来,北京联通5G用户的规模及业务流量得到极大的攀升,目前日均流量已近2000TB,5G CA终端占比也达到了1/3,5G用户流量的增长和感知提升的需求,使得200M中频段载波聚合网络的规模部署势在必行。”杨力凡表示。
北京联通共建共享组组长范利群介绍,为了更加充分地利用200M 中频段大频宽,北京联通自今年5月开始规模布局200M载波聚合站点,截至目前全网开通200M站点超过3000个,也就是说5G 200M站点基本全面覆盖北京城,建成了目前全世界最大、最豪华的5G“双车道”精品网。
用户在这张网上的体验如何呢?不久前,笔者亲身参与的实际高速动态路测结果表明,平均下行速率可达885Mbps,上行260Mbps,全程双载波聚合生效比达到85%,对于一些5G重度流量应用,如网课、高清直播、视频会议等等,平时的卡顿基本是一扫而光。
随着5G商用的日益普及深入,这张5G“豪华双车道”精品网,对于提升北京5G服务水平,满足高流量用户的需求具有非常重要的意义。
从数字化运营到智能运营
200M中频段能带来如此优秀的超凡体验,其背后克服了哪些问题及挑战呢?这其中就必须提及北京联通的数字化运营能力。
通信网络是实打实的硬科技,一切来自于数字,表现为数字,一切都靠数字说话。在北京东城区史家胡同深处的北京联通数字化基地就藏着网络超凡表现背后的奥秘。
事实上,上了200M双载波聚合之后,好处当然显而易见----下行平均吞吐率达到885.7Mbps,相比100M提升397Mbps;上行平均吞吐率达到260.4Mbps,相比100M提升87Mbps,信号良好覆盖率保持在99%以上,在享受超高速业务体验的情况下,手机信号保持在优良水平,通过200M大带宽载波聚合技术实现感知加倍、体验领先。
“但是也不是没有挑战,上200M载波聚合带来的一个不利影响就是覆盖收缩,相当于原来100M载波上的功率平均到200M载波上了。”杨力凡介绍说,“针对覆盖收缩的问题我们非常谨慎,通过数字化手段等,大概今年4月份完成了对整个网络的评估,我们把事先会出现负面影响的该补足补足,做到心中有数,才确定了具体的方案。”
200M规模部署后,目前5G日均流量2125TB,北京城市核心区域单小区流量与2021年体验舒适期基本持平,用户使用感知恢复至流量爆发式增长前舒适体验。同时感知提升带动5G流量增益,200M部署前后5G流量增长幅度达25.4%。
当然,这里离不开创新的技术方案支持。“华为在北京联通项目中已经规模应用的MetaAAU新一代5G基站,本身能够支持更高密度的天线阵元,是其中的一个重要因素。”华为中国运营商无线与云核解决方案销售部部长刘永刚介绍说,“比如,双载波开通之后,可能会带来覆盖收缩的问题,MetaAAU对覆盖能力提升有很大帮助,目前实际测试数据显示,MetaAAU相对于原来的AAU,同样的覆盖能力有30%左右的速率提升,或者说同样速率情况下覆盖能力的半径面积有20-30%的提升,这是对应的覆盖性能方面的创新技术应用。”
“超级上行技术能有效提升5G超级上行用户的生效比例,提升5G网络覆盖与用户体验。现网测试表明,5G基站开通超级上行后,单用户近中点上行速率平均提升约40%,边缘用户上行速率提升50%~200%。目前北京联通已经实现超过千站的超级上行的规模开通,未来超级上行将成为5G精品网络的重要方向。”华为5G & LTE TDD产品线副总裁徐道舟补充说。
此外,华为Power Boosting方案采用独家创新性算法,将发射功率资源池化,在总功率不变的情况下统一灵活调度,实现功率分配随业务走,载波业务量较大导致功率资源受限时,可以“借用”业务量较少的载波的功率,实现了双载波覆盖和速率的双向提升,让豪华“双车道”资源得到充分合理应用。
正是得益于北京联通强大的数字化能力和华为创新的科技能力,5G Capital项目荣获了2022 GSMA GLOMO 5G合作伙伴奖。双方在5G网络技术、商业价值、社会价值等方面的持续投入和不懈努力获得了业界认可。
“目前从数字化基地中得到的北京联通现网每天运营数据有差不多200G的数据,这个数据还有很大利用空间,希望下一次5GCapital项目可以展现一下网络的‘智能运营’。”杨力凡说。
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。