无线宽带联盟(WBA)最新研究表明,Wi-Fi被视为企业运营、公共服务和数字化转型计划的关键基础设施。
WBA将此称为全球无线生态系统的"关键时刻",报告显示了对Wi-Fi未来的强烈信心以及下一代技术背后的加速发展动力。
研究的主要发现之一是,62%的受访者在过去12个月中对Wi-Fi投资信心增强,18%的人与去年保持同样的信心水平。Wi-Fi 7是2026年最有可能部署的技术,38%的受访者计划进行部署。紧随其后的是人工智能的影响,32%的受访者计划部署生成式AI/认知网络,这种技术可以通过提高网络性能和可靠性来变革Wi-Fi网络。
在WBA 2026年行业报告研究中,这个全球行业组织调查了来自各个行业185名全球参与者的意见,涵盖从高管和商业策略到研发和产品管理等不同职位。
从根本上来说,2026年调查突出了Wi-Fi的积极前景,WBA强调了包括OpenRoaming、Wi-Fi 7、生成式AI支持的Wi-Fi、QoS/QoE、安全性和Wi-Fi/5G融合等核心重点领域的重要性。
研究显示Wi-Fi 7和6 GHz频谱带使用的强劲势头,以及对OpenRoaming作为跨公共、私人和运营商网络安全连接基础的信心不断增长。调查还详细说明了受访者预期整体网络和流量增长的领域。智能家居物联网以36%位列前三,其次是生成式AI(33%)和工业/制造应用及物联网(24%)。至于流量增长最大的垂直领域,体育场/活动场所以41%的比例被认定为最高。
当被问及Wi-Fi在与5G和私有企业实施的融合网络中的作用时,回应显示人们认为这些技术是互补的,共同有利于组织。五分之三(60%)的受访者表示,将它们结合起来将为其组织提供更大的企业灵活性。同样比例的受访者期望Wi-Fi和5G共存,而不是成为企业网络的二选一选择。
受访者就他们认为Wi-Fi未来最重要方面给出了意见,网络安全和隐私获胜(76%)。在当前Wi-Fi最重要方面并列第二位的,都获得70%回应,分别是最终用户体验(体验质量和服务质量),以及Wi-Fi无缝身份验证。
当被问及Wi-Fi 6E和Wi-Fi 7最重要的新功能或改进功能时,受访者将多链路操作(MLO)评为最重要的单项功能,占46%,突出了对密集环境中延迟、弹性和频谱效率的敏锐关注。紧随其后并列第二的是OFDMA上行和下行链路,以及强制WPA3合规性(均为33%)。多用户MIMO上行链路以32%占据第三位。
行业调查还显示,OpenRoaming标准正在转入主流规划期,Wi-Fi和蜂窝网络之间无缝入网和漫游的需求现在被视为核心业务驱动因素。38%的受访者表示他们已经部署了OpenRoaming和/或Passpoint合规网络,另有32%希望在2026年部署,18%在2027年部署。
当被问及什么在推动OpenRoaming/Passpoint投资时,给出的前三个原因是实现无摩擦Wi-Fi(63%)、Wi-Fi和5G/LTE之间的无缝接入(60%)以及跨不同网络的无缝接入(40%)。
Q&A
Q1:Wi-Fi 7在2026年的部署计划情况如何?
A:根据调查,Wi-Fi 7是2026年最有可能被部署的技术,有38%的受访者计划进行Wi-Fi 7的部署,显示出这项下一代Wi-Fi技术的强劲发展势头。
Q2:OpenRoaming技术的部署现状和未来计划是什么?
A:目前38%的受访者已经部署了OpenRoaming和/或Passpoint合规网络,另有32%希望在2026年部署,18%计划在2027年部署,表明该技术正进入主流规划期。
Q3:企业对Wi-Fi和5G网络融合的态度如何?
A:调查显示企业对两种技术持积极融合态度。60%的受访者认为将Wi-Fi和5G结合能为组织提供更大的企业灵活性,同样比例的受访者期望两种技术共存而非二选一。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
伊尔德兹技术大学团队通过词典手术和离线蒸馏,以不足20美元成本打造出专为土耳其语优化的200M参数句子嵌入模型,在语义相似度任务上超越了参数量更大的原版教师模型。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
LongLive-RAG由英伟达、USC与MIT联合提出,通过让AI检索自身生成的历史视频片段作为参考,解决长视频生成中的角色漂移和画面不一致问题。