根据GlobalData研究公司发布的《亚太地区移动宽带预测模型(2025年第三季度)》报告,亚太地区5G用户增长将显著加速。政府倡议、企业数字化转型以及智能制造、自动驾驶和云游戏等新兴应用领域对高性能连接的不断增长需求,共同推动了该地区独立5G网络部署的加速和5G服务采用率的提升。
5G用户规模快速增长
报告显示,亚太地区5G用户数预计将以11.4%的复合年增长率快速增长,从2025年的27亿增长至2030年的46亿。分析师表示,这一增长反映了低成本5G设备的快速普及、印度、马来西亚和泰国等市场持续的网络建设,以及巴基斯坦和斯里兰卡即将推出的5G服务。
报告数据显示,中国将在整个预测期内保持全球最大5G市场的地位。到2029年,中国约75%的移动用户将使用5G网络,这主要得益于投资和监管机构努力将5G服务覆盖扩展到农村地区和工业园区,并推动5G的广泛采用。研究还表明,中国在2024年部署了约420万个5G基站,到2025年9月底增加到460万个,进一步增强了网络容量和覆盖范围。
政府政策全面支持
GlobalData电信分析师Sarwat Zeeshan评论说:"澳大利亚、中国、印度、韩国、日本和台湾的政府和电信监管机构已经启动了国家5G战略/行动计划,概述了建立5G生态系统和推动5G覆盖扩展的愿景和指导方针。"
这些行动计划包括支持性举措,如公共部门对5G应用的投资、有利的税收激励、促进行业与政府合作的论坛、推广5G主导的技术创新,以及改善频谱使用和重用的许可安排。
网络基础设施大规模投资
GlobalData指出,亚太地区电信运营商正在进行的5G网络扩建也将为市场提供动力。据全球移动贸易协会GSMA数据,亚太地区电信公司计划到2030年在网络基础设施方面投资2540亿美元,主要专注于5G部署。
这些5G网络扩建——包括5G-Advanced/5.5G网络的推出——在市场研究中被视为为电信公司提供收入创造机会,使其能够通过销售优质5G移动套餐和提供企业连接解决方案(如专用5G)来创造更高收入。GlobalData认为,5G的速度和可靠性与人工智能、数据分析和物联网等新兴技术之间的协同效应,将使电信公司能够创新并在医疗、制造和采矿等垂直行业中扩大客户基础。
技术生态系统全面发展
Zeeshan补充说:"亚太地区已成为5G+技术竞争的中心。韩国、日本和中国不仅仅是部署5G,更致力于发展更广泛的5G生态系统,从而支持这些国家的制造业和IT行业,并推动物联网机遇。"
在另一份报告中,GlobalData表示,中国的蜂窝物联网连接市场将在未来五年稳步扩张,预计2025年至2030年间用户数将以7%的复合年增长率增长,这主要由各个行业领域的新兴用例、电信公司的5G基础设施发展和"全面"的物联网服务产品推动。
报告还补充说,庞大的制造业基础和制造业的广泛数字化,以及越来越多需要高度自动化和连接性的数字工厂用于机器实时监控和预测性维护,将继续推动物联网市场的增长。
Q&A
Q1:亚太地区5G用户增长速度如何?
A:根据GlobalData报告,亚太地区5G用户数预计将以11.4%的复合年增长率快速增长,从2025年的27亿增长至2030年的46亿。这一增长主要得益于低成本5G设备普及、网络建设持续推进和新市场服务启动。
Q2:中国在全球5G市场中处于什么地位?
A:中国将在整个预测期内保持全球最大5G市场地位。到2029年,约75%的中国移动用户将使用5G网络。中国已在2024年部署约420万个5G基站,到2025年9月底增至460万个,网络覆盖不断扩大。
Q3:亚太地区电信公司在5G方面有多大投资?
A:据全球移动贸易协会GSMA数据,亚太地区电信公司计划到2030年在网络基础设施方面投资2540亿美元,主要专注于5G部署。这些投资将帮助运营商通过优质5G套餐和企业连接解决方案创造更高收入。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。