发布通信行业首个大模型,华为能否打赢5G-A元年之战?
华为在MWC 2024上展示了5.5G产品解决方案,发布了通信行业首个大模型,以及多款面向数据中心的产品。5G-A商用元年的到来标志着5G向6G过渡的重要阶段,华为通过结合云和AI技术,推动通信行业发展。

图源:华为
今年的世界移动通信大会(MWC 2024)上,中国企业在人工智能、智能硬件、5G等领域的表现可谓是大放异彩……
在本次大会上,最大的亮点莫过于5G-A商用元年的到来,作为最受关注的参展商,华为也展示了全系列、全场景的5.5G产品解决方案,包括5G-A、F5G-A、Net5.5G等,并发布了通信行业首个大模型。
此外,华为还发布了业界首款面向数据中心场景的OTN(光传送网)产品OptiX OSN 9800 K36、首款智能OLT(光线路终端)产品OptiXaccess MA5800T,以及首款FTTR+X产品华为iFTTR星光F50等。
5G-A作为5G时代承上启下的阶段,不仅将进一步推动现有5G的产业落地,还有望为未来6G技术的演进探明方向。通过5G-A的推动和商用化,将积累更多的经验和数据,为未来更高级别的通信技术提供宝贵的经验教训,推动通信行业不断向前发展。
图源:华为
华为公司高级副总裁、ICT销售与服务总裁李鹏表示,“2024年是5G-A商用元年,结合云和AI技术的发展,运营商商业增长的潜力巨大。”
5G-A在原有5G基站的基础设施和主设备变化不大,但针对垂直应用的建设以及小基站的扩容将持续推进,目标提升上下行速率10倍、大幅提升连接密度和连接数、进一步改善时延及可靠性,并在通感一体化和内生智能等方面进行探索。
图源:欧洲电信标准协会
截至目前,华为助力运营商客户在全球20多个城市启动5G-A商用验证和测试。
展会期间,华为发布通信行业首个大模型。以实现 5G-A 时代的智能化为目标,杨超斌特别指出华为通信大模型将提供基于角色的 Copilots 和基于场景的 Agents 的两类应用能力,帮助运营商赋能员工的同时,提升用户满意度,最终将全面提升网络生产力。
通信大模型对于企业级用户将带来更多效率上的提升,通过角色为不同类型的用户提供个性化服务。大模型可以分析海量数据,快速响应业务需求变化,实现业务的快速部署和调整;同时,通过实时监测和优化网络性能,提升用户体验和网络稳定性;此外,大模型还可以帮助运维团队跨越不同领域的技术壁垒,实现更加高效的网络管理和维护。
大模型之家认为,通信大模型可以利用大数据分析和机器学习技术,对海量的网络数据进行挖掘和分析,识别网络拥塞、瓶颈和性能瓶颈等问题,提出针对性的优化方案。通过实时监测网络流量、预测用户需求和行为模式,优化网络拓扑结构、调整带宽分配等,实现网络的动态优化和资源调配,提高网络的吞吐量和性能。
图源:华为
并且,通信大模型可以建立智能化的资源管理系统,实现对网络资源的自动化调配和优化。通过智能算法和自适应控制技术,实时监测网络负载和资源利用率,自动调整资源分配策略,提高资源的利用效率和网络的整体性能。
此外,作为人工智能和通信领域备受关注的网络安全与隐私保护问题,通信大模型可以实现网络安全的智能化管理,通过监测网络流量、识别异常行为和攻击事件,及时发现并应对网络安全威胁。通过建立安全策略库、实时响应系统和自动化防御机制,提高网络的安全性和稳定性,保护用户的个人隐私和数据安全。
2023年ChatGPT的火热点燃了全球科技企业奋进的信心,生成式人工智能大模型一直被视为企业乃至国家科技竞争的关键高地。而仅仅不到半年的时间,华为便提出了“不作诗,只做事”的观点,将科学技术回归生产而非追随热点。
事实上,华为人工智能在我国民生、基建等领域早有布局,涵盖了全面智能化战略、算力底座、AI平台、行业智能化参考架构和AI应用等多方面。在全面智能化战略的推动下,华为通过架构创新,构建计算产业生态,共建算力三方面打造坚实的算力底座,满足各行各业多样性的AI算力需求。
同时,华为已在金融、能源、交通、医疗、教育等行业开展了各样的AI应用,为各行业的数字化转型提供了支持。在能源行业,华为利用云数据中心的弹性计算、大数据分析和人工智能,助力油气客户数字化转型。在教育行业,华为构筑了全感知、全联接、全智能的教育整体架构,推动教育数字化转型。
大模型之家认为,与近期爆火的Sora不同,华为的业务布局无论是通信大模型还是其他行业的选择都走出了自己的道路,这也同样是一条自主的道路。通过构建多元化的商业模式,实现了技术创新和商业价值的有机结合。从智能硬件到云计算服务,从软件授权到智能化解决方案,华为在不同领域不断探索、不断创新,不断赋能客户,实现了业务增长和价值创造的双赢局面。
0赞好文章,需要你的鼓励
推荐文章
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。