最新的《爱立信移动报告》显示,预计到2029年底,全球5G用户数量将达到56亿,除了三个地区之外,届时5G将成为所有地区的主导网络。
爱立信预计,到2029年底,5G将占全球所有移动用户的60%,占整体移动数据流量的75%,到2029年,年复合增长率将达到20%。去年,5G占移动数据流量的25%,高于2022年的17%。报告指出,在预测期内,不同地区的移动数据流量年增长率预计会有所放缓,这取决于当地的市场状况。
爱立信指出,流量增长可能会出现波动,其因素包括全球宏观经济变化、固定无线接入(FWA)连接的增长,以及印度、东南亚、拉丁美洲和非洲等市场的用户向后代迁移。如果不算FWA,全球移动数据总流量将增长三倍,到2029年将达到每月313 EB。如果将FWA计算在内,这一数字将增长约3.5倍,到2029年达到每月466EB。
爱立信称,目前全球约有300家服务提供商提供5G服务,其中50家已推出5G独立网络。5G用户数量目前超过17亿,今年前三个月新增约1.6亿。到2024年底,全球5G用户将接近6亿。
由于非洲市场前景看好,这些数字比之前的预测有所上调。爱立信新加坡、菲律宾和文莱负责人Daniel Ode周四在新加坡举行的媒体吹风会上表示,各国也在逐步关闭2G和3G等老式网络。
他指出,智能手机市场也在今年复苏,2024年第一季度的出货量同比增长了6%。Ode补充表示,澳大利亚和新加坡等先进5G市场的服务提供商将继续专注于速度、覆盖范围和差异化服务方面的创新。
预计到 2029 年,5G将成为大多数地区的主流网络,但在三个地区,5G的地位将落后于4G: 东南亚和大洋洲、中欧和东欧以及撒哈拉以南的东南非。在北美和西欧等其他地区,5G将分别占移动用户的90%和86%,相比之下,预计到2029年,LTE或4G仍将是这三个地区的主导网络。
在东南亚和大洋洲(包括新加坡、澳大利亚和泰国),5G 的前身网络将占移动用户的50%。相比之下,到预测期结束时,5G预计将占该地区移动用户的43%。爱立信称,到2029年,东南亚和大洋洲的5G用户将达到5.6亿,而更实惠的设备、促销计划和服务提供商提供的大数据捆绑服务将推动用户的使用。
当被问及为何4G而非5G有望在这三个地区保持多数份额时,Ode表示,采用与否取决于当地市场的发展和成熟度。他进一步指出,运营商与其按兵不动,等待向6G网络迁移,不如继续投资5G服务,以挖掘新的收入增长点,尤其是在他们希望避免ARPU(每用户平均收入)下降的时候。
尽管4G预计将在2029年占东南亚移动用户的50%,但这一数字将低于去年的78%,因为到预测期结束时,5G的用户基数将增长到43%。爱立信援引泰国和澳大利亚服务提供商以及新加坡和马来西亚政府机构的数据称,5G 用户数量目前占新加坡、澳大利亚、马来西亚和泰国总用户数量的20%。
报告还强调,虽然菲律宾的5G网络覆盖率在过去一年中有所提高,但5G渗透率和数据消费量一直很低。
爱立信指出,印度尼西亚的5G用户数量也很有限,因为服务提供商正在等待获得中频段频谱以扩大5G覆盖范围。越南最近也拍卖了5G中频段频谱,预计将在未来6到12个月内推出商用 5G。
在印度,5G网络部署密集、广泛覆盖、服务价格合理,2023年5G用户数量约为1.19亿。预计到2029年底,随着5G的强劲普及,这一数字将增至8.4亿,占印度、不丹和尼泊尔移动用户的 65%。
根据爱立信的数据,该地区4G的份额将从2023年的63%下降到2029年的32%,连接数将从7.4 亿下降到4.1亿。
Ode表示:“差异化连接将为用户、开发人员和企业提供满足其需求的最佳连接水平,确保网络的无缝性能和资源效率。利用5G独立架构的高性能可编程网络为服务创新和基于性能的商业模式提供新机遇。”
他补充表示,人工智能(AI)设备的采用可能会在未来影响用户行为,但它将如何影响智能手机的未来设计还有待观察。他指出,这将取决于人工智能在手机上的用例和应用。
不过,他表示,人工智能的日益普及肯定会增加移动数据流量,因此需要解决所有潜在的延迟问题。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。