在国外积累28年经验后,高通5G科学家徐晧回国推动5G和AI

简介:

你小时候的梦想是什么?我的身边几乎有一半的人小时候的梦想都是当科学家,包括我自己(而另外一半,是开小卖部)。后来的我们成了医生、老师、会计、记者、律师......“科学家”只能当成一个笑谈。

当然,并不是所有人都是如此。

“我记得上小学的时候,老师问我们长大后的理想是什么,我填的是科学家,虽然当时并不是特别清楚科学家是干什么的。”CNET记者不久前采访高通工程技术总监徐晧博士时,他这样说。

然而在记者眼里徐晧就是一个“科学家的传奇”。他在中国长大,在前苏联拿到了本硕学位,在美国攻读了博士并工作20多年,又在今年6月回到了中国,成为高通中国区的研发负责人。他在十几二十年前就参与了对于5G领域发展具有重要意义的两项技术研发,如今又在5G的研发和标准制定中发挥着关键性的作用。

这个“科学家的传奇”未来将在中国的5G时代将续演哪些更多的故事呢?

徐晧 中国区研发负责人

原来你就是H. Xu!

早在1996年读博士期间,徐晧就开始了毫米波的研究。他与美国无线通信领域著名的Theodore Rappaport教授一起,开创了38GHz和60GHz频段的毫米波传播研究,并参与撰写了相关的论文,文中署名“H. Xu”。

毫米波的应用是在通信领域中提高传输速率的一个重要突破。因为无线通信领域中很重要的资源就是频谱,只有通过频谱才能实现数据的传送,但要想支持高流量,最大的问题就在于频谱资源有限。而通过毫米波技术,就可以以更高的带宽支持更高的效率,拓展频域,促成通信行业在架构上的全新改变,支持5G网络的实现。

“后来当我在高通工作时,还有做毫米波研究的外国同事,因为多次在论文中看到我的名字缩写,一见到我就说‘原来你就是H. Xu!’”徐晧笑着说。

2000年,毫米波项目完成,读完博士学位的徐晧加入了贝尔实验室,并参与了当时实验室的多天线技术MIMO系统的研究。“我在那做了三年多的天线技术的研发,在那个20多人的研究组中,有两个是诺贝尔奖获得者。”徐晧回忆道,“当时的办公室坐落在一个小山丘旁边,山上有很大的面对宇宙的天线,他们用天线测到了当时宇宙噪声的强度,基于此证明了宇宙大爆炸的理论。而当时多天线技术才刚刚开始,我做的项目是在室外证明多天线技术可以让通讯速率随多天线个数增强。”

这项研究与此前的毫米波技术相辅相成,使得无线通信在空间上和频域上得以扩展。徐晧介绍,4G的网络环境通常考虑4个或8个天线,但5G尤其是毫米波需要考虑是128个天线甚至256个天线。毫米波必须要有大规模的天线作为支持,否则不能达到理想的传输和覆盖效果。另一方面,毫米级的波长也使得天线可以做到毫米级的大小,更容易满足5G网络环境下对天线数量的需求。

一手抓研发,一手抓标准制定

除了毫米波与大规模天线两大重要技术的突破,5G相较于4G还有另外三个方面的跨越:一是可以提供一个灵活、自适应的平台,每个时域的长度和子载波的宽度都可以调整,让子载波的宽度随着总带宽而变化是我们能同时支持低频(sub 6GHz)和毫米波通信的5G基础技术;二是更具兼容性,比如为前向兼容而留下的空子帧和空频段,就好像一本做成活页的书,当以后需要对书中对内容做出调整时,可以随时往其中插入新的页面;三是将连接时延降低至毫秒级别,在1毫秒之内做到传输信号的调度传送和同时接受反馈,实现物与物、车与车,或者是沉浸式体验的毫秒级连接。同时,这种低时延的传播也让用户间快速波束转换成为可能,基站可以快速在毫米波用户之间切换。

“在5G时代,垂直行业应用会大量兴起,我们不仅要考虑人与人的通信,还要考虑物联网、车联网,而只有基于5G平台才能真正有效的实现万物互联。”徐晧表示。

2003年加入高通的他,一直领导着面向4G和5G的eMTC、NB-IoT、mMTC等物联网技术的研发。

技术的研发是一方面,另一方面,徐晧认为5G的商用化很重要的一点是标准的制定。在领导原型机开发的同时,徐晧还直接在3GPP RAN1国际通信标准组织参会了6年,参与了包括NB-IoT/eMTC, NAICS (advanced receiver), CoMP, 5G NR等多项标准的制定。对于他而言,一开始这并不容易,却是有意识的主动选择。

“我以前不喜欢与人争论,即使知道自己正确也往往点到而止,而在标准制定时,必须要从很多的提案中择优,所以一定要把不足的方案去掉,常常需要用最简单、最直接的办法说服所有的人,有时甚至从早上8点讨论到凌晨1点,所有细枝末节的问题都会讨论得非常透彻。这不仅要求我在语言思路上变得更加清晰,也要求我对技术本身有足够的了解,能够在展现一些标准和设计优势的同时解释其他设计的不足, 最后取长补短以达到最佳方案。”徐晧说。

据他所说,5GNR有三个重要应用场景和研究方向,一个是eMBB,增强型移动宽带。另外一个是uRLLC,低时延、高可靠通信。第三是mMTC,是海量物联网的概念。截至今年年底或明年3月,关于5G的第一个物理层标准就会制定完成。在此后,基于该标准的商用就可以开始展开,譬如VR和AR、高精度的机器应用、远程医疗等。

“在5G标准做完之后,还有很多工作,如芯片研发、生产制造和测试。我们的原定目标是在2020年实现大规模商用,现在中国想把时间点再进一步提前,所以现在预计会在2019年到2020年之间实现商用化。”

在终端实现人工智能的计算

回国后的徐晧实际上面临着新的挑战。从自己做研发,到带领团队,再到负责整个中国区的研发,这不仅仅是工作内容上的转变,更多的是角色的变化。要掌握团队今后的研发方向,要与其它运营商、合作伙伴、设备厂商进行交流和合作,还要考虑如何推进整个产业链的发展,并开拓新的研究领域。

对当前的发展方向,他考虑得非常清楚。一方面,要在中国有效的和其他公司合作来推动整个5G产业链的发展,另一方面就是通过芯片和算法的平台为人工智能的发展提供重要支撑。5G在标准制定后马上就将面临大规模商用的需求,因此,在标准制定的同时高通已经开始了相关的原型机试验和测试。在过去18个月里,高通已推出6GHz以下5G新空口 (NR)原型系统,在3.3GHz-5GHz中频频段运行,并在今年2月被用于演示高通的首个5G新空口连接。同时高通也积极参与和中国运营商和厂家的合作, 比如和中国移动,中兴联合的5G测试(IODT),以推动5G在中国的产业链和商业化。

9月11日,高通宣布推出5G新空口毫米波原型系统,加速面向智能手机的移动部署,该原型系统在24GHz以上毫米波(mmWave)频段运行,用于测试和试验毫米波在真实环境中面临的诸多挑战,如终端设计和手握带来的信号阻塞等。在毫米波方向,我们也在积极与国内公司交流合作。

而在人工智能领域,高通一直相信,5G和人工智能将使得智能社会、智能生活成为可能。人工智能的应用可以给5G带来很多的应用场景,如自动驾驶、智能家居、沉浸式体验等等。另一方面,5G也可以给人工智能提供非常好的发展空间。例如5G会为云计算提供快速的传输渠道。除了云计算,高通也注重在终端实现的人工智能计算,人们不需要再把数据上传到云中,在本地就可以直接进行语音、图像的处理,不仅节约流量,还可以保护隐私。

“5G和人工智能的结合会催生更广阔的发展前景和应用空间。无论是无线通讯的发展,还是人工智能的应用,合作将变得越来越重要,未来没有一家企业可以单打独斗,需要不同的合作伙伴来发挥自己的长处,共同打造产业链,才能实现互利共赢。”徐晧说道。





本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。
目录
相关文章
|
1月前
|
人工智能 运维 数据挖掘
跨界融合:AI与5G技术如何共同推动数字化转型
【10月更文挑战第29天】本文探讨了人工智能(AI)与第五代移动通信技术(5G)的结合如何推动数字化转型。通过高速、低延迟的5G网络和AI的数据分析能力,两者相辅相成,实现了智能化网络运维、增强网络功能和多行业的实际应用。文中提供了网络流量预测和故障预测的示例代码,展示了技术的实际应用潜力。
47 1
|
1月前
|
机器学习/深度学习 人工智能 物联网
5G与AI融合:智能网络的新纪元
【10月更文挑战第25天】
66 3
|
1月前
|
人工智能
AI科学家太多,谁靠谱一试便知!普林斯顿新基准CORE-Bench:最强模型仅有21%准确率
【10月更文挑战第21天】普林斯顿大学研究人员提出了CORE-Bench,一个基于计算可重复性的AI代理基准,涵盖计算机科学、社会科学和医学领域的270个任务。该基准旨在评估AI代理在科学研究中的准确性,具有多样性、难度级别和现实相关性等特点,有助于推动AI代理的发展并提高计算可重复性。
54 4
|
2月前
|
人工智能 自然语言处理
召唤100多位学者打分,斯坦福新研究:AI科学家创新确实强
【10月更文挑战第6天】斯坦福大学最新研究评估了大型语言模型(LLMs)在生成新颖研究想法方面的能力,通过100多位NLP专家盲评LLMs与人类研究人员提出的想法。结果显示,LLMs在新颖性方面超越人类(p < 0.05),但在可行性上略逊一筹。研究揭示了LLMs作为科研工具的潜力与挑战,并提出了进一步验证其实际效果的设计。论文详见:https://arxiv.org/abs/2409.04109。
48 6
|
2月前
|
机器学习/深度学习 存储 人工智能
2024年诺贝尔奖:AI科学家的辉煌时刻 | AI大咖说
在今年的诺贝尔物理学奖和化学奖颁奖典礼上,AI科学家分别摘得了这两项殊荣,这无疑为AI技术的发展和应用注入了新的动力【10月更文挑战第5天】
84 0
|
3月前
|
人工智能 数据处理
Nature:AI让抄袭问题更加复杂,科学家该如何应对?
【9月更文挑战第16天】《自然》杂志一篇文章指出,AI在科研领域的应用日益增长,带来了加速数据处理、提升计算效率等益处,同时也引发了对科学标准、数据偏见及研究诚信的挑战。一项针对1600多名研究人员的调查显示,超半数认为未来十年AI将成为其研究领域不可或缺的工具。AI能够显著提升科研效率,但也可能增加对模式识别的依赖,加剧数据偏见,并引发研究不可重复性等问题。尤其是大型语言模型如ChatGPT,虽有助于改进论文语法和翻译,但也可能传播错误信息。此外,部分科学家面临计算资源和高质量数据不足等使用障碍。
51 3
|
小程序 安全 5G
Janus: 基于 eBPF 的 5G 实时 AI 控制器(中)
Janus: 基于 eBPF 的 5G 实时 AI 控制器(中)
156 0
|
7月前
|
机器学习/深度学习 人工智能 机器人
Meta首席科学家Yann LeCun:AI毁灭人类的概率为零
【2月更文挑战第22天】Meta首席科学家Yann LeCun:AI毁灭人类的概率为零
53 2
Meta首席科学家Yann LeCun:AI毁灭人类的概率为零
|
7月前
|
人工智能 搜索推荐 物联网
高通正式推出高通AI Hub,支持超过75款AI大模型
【2月更文挑战第9天】高通正式推出高通AI Hub,支持超过75款AI大模型
306 2
高通正式推出高通AI Hub,支持超过75款AI大模型
|
7月前
|
tengine 人工智能 算法
极智AI | 量化实验分享四:Data-Free Quantization香不香?详解高通DFQ量化算法实现
大家好,我是极智视界,本文剖析一下高通 DFQ (Data-Free Quantization) 量化算法实现,以 Tengine 的实现为例。
325 1