①亚马逊与AI初创企业Anthropic深化合作,追加投资40亿美元,总投资额达80亿美元; ②Anthropic将AWS列为主要训练合作伙伴,使用AWS Trainium和Inferentia芯片训练和部署其最大基础模型。
《科创板日报》4月29日讯(记者 李明明) 目前6G通信技术的发展是当今全球都瞩目的焦点之一,5G网络规模化商用向前发展的同时,世界主要国家和地区逐步启动6G研究,因此,6G也成为本次2024中关村年会论坛的热门话题之一。
本次中关村论坛的“6G创新发展论坛”上,国内外数十名6G领域专家学者汇聚,围绕6G应用场景与标准化进展等议题探讨6G网络变革与技术创新。会议期间,中国信科集团副总经理、总工程师、无线移动通信全国重点实验室主任陈山枝接受了《科创板日报》记者的专访。
6G将促进更多AI应用的开发
《科创板日报》:当下,AI正在与各项先进技术融合,您认为6G与AI的融合,将为产业带来什么?会产生怎样的化学反应?
陈山枝:当下,人工智能已成为新一轮产业升级的核心驱动力,是6G渗透最深的关键技术之一。
通信系统的大规模连接能力和先进的人工智能技术的深度融合,将为无处不在的数据收集、存储、交换和计算提供一个分布式的高效、节能、安全的人工智能服务基础设施平台。6G与AI的融合,一方面可以应用人工智能解决网络自身的问题,同时也可以利用广泛部署的网络基础设施提供AI服务,形成新型的、泛在的智能化信息通信基础设施,提升全社会的普惠智能水平,提高能源利用效率。
依托于6G大规模分布式网络节点的海量数据和人工智能能力,将使能更先进的更大规模的深度神经网络模型的高效训练,同时模型在网络内大规模部署将使能用户随时随地享受到人工智能服务。依托于6G更强大的算力和更智能的边缘计算能力,促进更多AI应用的开发,包括自动驾驶、医疗领域的自主协作、算力卸载、数字孪生、网络大模型等等,6G AI和通信场景将会给我们的生活带来巨大的变革,还将推动各个领域的创新和发展,催生更多的新型应用的涌现和落地。
《科创板日报》:当前我国发展6G技术的进程如何?具备哪些优势?
陈山枝:我国6G技术发展在全球处于前列,2019年6月,工信部推动成立了6G研究组后成为IMT-2030(6G)推进组;2019年11月,科技部联合其他部委,成立国家6G技术研发推进工作组、国家6G技术研发总体专家组,指导我国6G技术的总体发展。
目前我国6G的技术研发取得了显著的进展,在无线传输技术、网络技术和新场景融合技术等方面都有明显的突破。IMT-2030(6G)推进组已连续发布数十本技术白皮书和研究报告,阐述了6G系统的需求、场景、技术路径和主要技术成果。此外,我国自2022年在业界率先启动了6G技术研发试验,目前已开展了星地融合、智能超表面、通感融合、无线AI、分布式自治网络、算力网络、数据服务等技术验证,为技术研究和标准推进打下坚实基础。
面向6G的标准化,ITU(是国际电信联盟标准)已经制定了时间点,要求在2030年之前完成6G标准的发布,国际标准组织3GPP已经基于ITU的部署确定了具体的标准化时间表,我国在6G的标准推进中一直积极参与,发挥了重要的推动作用。
6G将为新质生产力的发展提供强大支持
《科创板日报》:在今年两会上,发展新质生产力成为各行业聚焦的热点,6G与新质生产力的发展之间存在怎样的关联?
陈山枝:新质生产力,以信息化、网联化、数字化、智能化、自动化、绿色化、高效化为关键提升点。而6G作为下一代移动通信技术,将全面构筑万物智联的新一代信息网络基础设施,与云计算、人工智能、大数据、物联网、区块链等共同组成数字经济基础,为数字经济发展提供技术保障和实现手段,营造数字产业的生态环境。
工业互联网是新质生产力的重要组成部分,6G技术超低时延和高可靠性将为工业互联网的发展提供强大支持。通过6G技术可以实现工厂设备和智能机器之间实时互联,从而实现智能化生产和自动化控制。
6G技术的泛在连接可以提供全域覆盖和万亿级连接,实现真正意义的万物智联。通过6G技术,可实现生产全要素的高效通信和数据交换,从而实现生产过程的数字化、智能化管理,提升生产效率和质量,提升生产效率和减少人力成本。
6G技术还将推动物联网、人工智能、大数据等新一代信息技术与制造业深度融合,为新质生产力的发展提供更加强大的技术支撑。
《科创板日报》:6G是通感算智深度融合、天地一体全域覆盖的新一代移动信息网络,6G通感算智融合技术发展的机遇与挑战是什么?
陈山枝:6G正在朝更高频率、更大带宽、更大规模天线方向发展,这为通信与感知融合带来了可能。未来的通信系统将不再是单纯的管道,通感融合一方面将充分利用移动通信系统的基础设施,提供新型感知服务与应用,另一方面利用感知获得的信息可以提升通信性能或降低通信开销,并与人工智能/机器学习技术结合,有效提高无线频谱效率。
但同时,通感融合在基础理论、空口技术、协同感知、组网架构、硬件架构及验证系统等方面仍还存在诸多挑战,需要学术界、产业界共同攻克。