根据Dell'Oro Group最新行业报告显示,在5G商用推出仅五年多的时间里,全球许多移动网络运营商(MNO)正在为企业提供5G独立组网(SA)和固定无线接入(FWA)网络,这些基于5G基础设施的先进技术的增长将成为技术支出的关键驱动力。
这份移动核心网络和多接入边缘计算季度报告估计,39个国家和地区的70家移动网络运营商已部署5G SA网络。仅在2025年,就有五个新的5G SA网络投入使用,包括法国、罗马尼亚和斯洛伐克的Orange;西班牙的沃达丰;以及捷克的O2。从区域分布来看,北美有5个网络,欧洲26个,中东和非洲7个,东北亚13个,东南亚13个,拉丁美洲6个。
报告计算得出,全球5G移动核心网络(MCN)市场预计在2024-2029年期间将以6%的复合年增长率增长,市场加速主要由5G独立组网架构的日益采用推动。
与此同时,报告指出,多接入边缘计算(MEC)市场预计将以更快的复合年增长率(17%)扩张,这得益于动态网络切片的推出、简化能力(RedCap)设备,以及与GSMA开放网关倡议一致的网络API的兴起。报告补充说,已经定义了17个API,得到全球72家移动网络运营商的支持。供应商正在积极构建和营销符合开放网关标准的服务,进一步加速MEC的采用和生态系统扩展。
报告还发现,随着3G网络的关闭,电路交换核心网络必须升级到IMS核心以维持4G网络上的语音通话,这意味着IMS核心/语音核心累计收入(2025-2029年)将增长9%。
Dell'Oro Group研究总监Dave Bolan在评论该报告时表示:"我们的预测主要基于用户增长率和常规用户行为,对于5G移动核心网络细分市场,我们目前的预测是6%的复合年增长率。
然而,生成式AI和智能体AI的出现,特别是随着数据流量的增加和对持续、低延迟连接的期望,最终可能需要扩展网络容量,这可能推动增长率更高。智能体AI也是实现L4自主网络的关键,这可能大幅降低移动网络运营商的运营成本。"
Dell'Oro最近发布的另一份类似报告预测,在2025-2029年预测期内,全球无线接入网络(RAN)收入(不包括服务)将保持平稳,累计收入达到1600亿美元,因为快速下降的LTE收入抵消了持续的5G投资。开放RAN、云RAN和AI RAN等新技术和架构被视为未来发挥重要作用,但分析得出结论,它们预计不会扩大RAN市场。
Dell'Oro认为,平稳的基线情景意味着如果非传统RAN增长驱动因素——包括固定无线接入、专网、公共安全和关键任务,以及移动宽带扩展以支持不断变化的终端用户需求——比预期更快地推动市场发展,则存在上行风险。
随着投资重点逐渐从覆盖转向容量,最重要的下行风险之一是移动数据流量增长放缓。如果移动数据流量增长比预期放缓更多,运营商在完成5G覆盖后转入维护模式,资本支出与收入的比率可能比目前预测的下降更剧烈。
"经过连续两年的急剧下降,全球RAN设备收入损失近90亿美元后,令人鼓舞的是市场状况现在正在稳定,"Dell'Oro Group RAN市场研究副总裁Stefan Pongratz补充道。
"同时,我们不应过于兴奋并假设会有迅速恢复。短期内市场状况可能波动,部分原因是新技术部署的异步性质。然而,这些起伏不会改变塑造长期轨迹的基本面。"
该分析师还认为5G-Advanced技术在更广泛的5G发展历程中发挥着重要作用,但预计这种演进不会推动另一个主要的资本支出周期。相反,运营商将在有限的资本支出预算内逐步将支出从5G转向5G-Advanced。
好文章,需要你的鼓励
新创公司Germ为Bluesky社交网络推出端到端加密消息服务,为用户提供比现有私信更安全的聊天选项。经过两年开发,该服务本周进入测试阶段,计划逐步扩大测试用户规模。Germ采用新兴技术如消息层安全协议和AT协议,无需手机号码即可实现安全通信。用户可通过"魔法链接"快速开始聊天,利用苹果App Clips技术无需下载完整应用。
这项研究由哈佛大学团队开发的创新框架,解决了多机构数据共享的核心难题。他们巧妙结合联邦学习、局部差分隐私和公平性约束,使不同机构能在保护数据隐私的同时协作开发更准确、更公平的决策模型。实验证明,该方法在多个真实数据集上既保障了隐私,又显著提升了模型公平性,为医疗、金融和政府等领域的数据协作提供了实用解决方案。
高通公司宣布正在与领先的超大规模云服务商进行深度合作谈判,开发专用于数据中心的CPU产品。CEO阿蒙表示,公司正在开发通用CPU和推理集群产品,预计2028财年开始产生收入。同时,高通面临三星在高端智能手机市场的竞争压力,三星计划在2026年推出采用2纳米工艺的新款Exynos处理器。高通Q3财报显示营收增长10%至103.5亿美元,净利润增长25%。
Meta AI研究团队开发的ALOHA系统是一种低成本开源的双臂机器人远程操作平台,旨在使机器人学习更加民主化和普及化。该系统结合了价格亲民的硬件设计和先进的行为克隆学习算法,使机器人能够从人类示范中学习复杂技能。研究表明,ALOHA系统展示了强大的泛化能力,能够在新环境中应用所学技能,如打开不同类型的瓶子。系统的开源性质鼓励全球研究者参与并推动机器人学习领域的发展,尽管仍面临成本和精确力控制等挑战。