ZD至顶网CIO与应用频道 03月07日 北京消息:英飞凌科技股份公司(FSE: IFX / OTCQX: IFNNY)加入移动通信行业协会GSMA,积极支持打造未来的移动通信。GSMA代表全球各地将近800个移动网络运营商以及来自更广泛的移动通信生态圈的近300家企业。作为协会的会员,英飞凌将奉献其在安全和数据传输方面的技术专长,参与开发惠及全球数十亿消费者的移动通信标准。
英飞凌管理委员会成员Helmut Gassel表示:“我们先进的半导体解决方案是打造支持消费者、居家、车辆和工厂联网的智能、安全和节能型蜂窝网络基础设施的关键所在。作为GSMA的会员,我们将为移动通信行业奉献自身的高频和安全专业知识,帮助实现5G网络的商业部署。”
互联世界的人机身份识别
物联网(IoT)时代通信的一个日益重要的方面就是可靠识别消费者、设备和机器的身份。自上个世纪90年代以来,英飞凌一直为SIM(用户识别模块)卡提供安全芯片。作为GSMA的成员,英飞凌将推进新一代嵌入式SIM(eSIM)标准的进一步发展。
SIM卡的作用是验证入网移动用户的身份。但是,这些卡片目前正逐步从可插拔式卡演变为嵌入式解决方案,这可显著缩小卡片尺寸,并降低其功耗。eSIM还具备其他优势:它们可在制造过程中被集成于手机、可穿戴设备、机器或车辆。这样就可以远程配置和管理SIM,而不是固定于单一移动网络。GSMA预计,到2020年,全球将有105亿台移动联网设备,为eSIM带来了巨大的市场机遇,特别是在机器对机器(M2M)通信和个人移动通信领域。
英飞凌提供一揽子完全符合GSMA新出台规范的 eSIM产品组合 。公司早在2008年就推出了首款专用eSIM,是该解决方案的先驱和市场领袖,特别是在汽车应用领域。全球主要汽车制造商信任英飞凌通过相关认证的eSIM安全控制器,将其用于实现紧急呼叫(eCall)功能。2018年欧盟各国将全面实现这一功能。除工业和汽车应用外,eSIM还日益被用于个人移动通信。英飞凌可针对智能电话和可穿戴设备(譬如三星Gear S2智能手表)提供小型化eSIM。全球尺寸最小的eSIM仅为 1.5 mm x 1.1 mm x 0.37 mm,在今年的世界移动通信大会上展出。
移动宽带上网浪潮推动5G网络发展
除语音通信外,移动终端日益被用于宽带上网。然而,随着数十亿移动终端连接上网,今后几年内移动通信网络即将达到带宽极限。不管是用于娱乐还是物联网应用,5G网络的速度是4G网络的100倍,实时数据传输容量是4G网络的1000倍。传输速度达到数千兆的增强移动宽带(eMBB)要求先进的半导体解决方案。英飞凌提供可接收、放大和传输数据的高频器件,而其面向天线调谐和开关的组件可为用户带来绝佳体验。
启迪移动业务—助力打造安全未来
在 2017世界移动通信大会 上,英飞凌展出面向互联世界安全节能通信的半导体解决方案。公司亮点展品包括用于智能交通管理基础设施的智能路灯、可保护智能家居内联网设备的安全网关,以及可利用语音和手势识别促进人机互动的新概念。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。