在过去几年中,通信市场研究表明固定无线接入 (FWA) 是 5G 网络增长最快、最关键的应用场景之一。为了利用技术不断发展的 5G 市场优势,诺基亚推出了 FastMile Gateway 4,这是一款支持 Wi-Fi 7 的 5G 室内网关,使运营商能够在整个家庭范围内提供 5G 速度。
这家通信技术提供商表示,FWA 在推动全球最后一公里宽带接入方面已被证明是"极其成功的"。然而,该公司指出,这项技术有众多终端用户,许多用户可能有独特的需求。这意味着使用固定无线接入将终端客户连接到互联网需要不止一种类型的设备。
来自 GSA 4G/5G 固定无线接入论坛去年的研究预测,5G FWA 客户端设备 (CPE) 出货量将增长 23%,在 2024 年达到 3750 万台,占所有 FWA CPE 出货量的 42%。在 2023 年 5G 支持的 FWA 出货量达到 1020 万台后,5G FWA CPE 出货量的增长预计将进一步加速,比 2023 年的 34% 增长八个百分点。
最新发布意味着诺基亚的 5G 网关产品组合现在包括四种 Wi-Fi 7 型号,可根据不同类型企业和终端用户的需求进行扩展。诺基亚还认为,其扩展的产品组合有助于推进 5G FWA 服务,确保运营商可以轻松地以 5G 的速度连接消费者家庭,并采用目前正在家庭场所推广的最新 Wi-Fi 7 技术。
诺基亚 FastMile 5G 网关采用高增益天线 (最高 8dBi) 和双频 Wi-Fi 7,设计紧凑,可由消费者在家中自行安装。该 5G 网关具有四载波聚合和高达 300MHz 的带宽,旨在节省无线电容量、改善覆盖范围并最大化吞吐量。诺基亚还补充说,对现有客户部署的研究表明,室内和室外设备的适当组合,以及这些设备的最佳放置,可以恢复多达 60% 的浪费无线电容量。
5G Gateway 4 还支持 8RX 和 3TX 功能,以提高频谱效率、覆盖范围和更高速度,同时支持 Wi-Fi 7 的多链路操作 (MLO),在家庭中提供高达 4Gbps 的 Wi-Fi 容量。这项技术通过使设备能够同时在多个频段和信道上发送和接收数据来提高连接速度。
Gateway 4 还由诺基亚的 Corteca 软件提供支持,该软件支持嵌入设备中的增值应用程序、基于云的 Wi-Fi 优化以及基于开放行业标准和 EasyMesh 的 Wi-Fi 设备管理。为了帮助运营商简化和优化安装过程,客户可以访问一个简单、用户友好的移动应用程序,帮助确定安装 FWA 网关的最佳位置。
诺基亚宽带设备总经理 Dirk Verhaegen 在评论此次发布时表示:"我们广泛的 FWA 产品组合使运营商能够获得各种 Wi-Fi 7 设备,以满足他们独特和多样化的需求。随着新的 FastMile Gateway 4 的加入,我们的产品组合变得更加强大,为运营商提供了另一个强大的选择,可以向客户提供快速、可靠的 FWA 宽带服务——无论他们住在哪里。"
分析机构 GSMA Intelligence 研究和咨询总监 Shiv Putcha 表示:"诺基亚目前拥有最广泛的 [FWA] 产品组合,包括多种将 5G FWA 与室内双频 Wi-Fi 7 相结合的 FastMile 网关产品。这与 Corteca 管理软件相结合,将帮助运营商满足多个需求领域。"
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。