讲真! 两年前的“5G投票”, 联想做了什么?

这两天联想热度可谓是相当的高,主要原因是两年前的“往事”被掀了出来,有传言称:联想5G标准投票中带着收购的摩托罗拉投给了高通,也正是因为这两票导致华为微弱的优势输掉了5G标准的制定,其实说实话,小编第一次看到这个消息也是很气愤,如果事实真的如此,联想可谓是大错特错。

本来小编昨天就准备对此事发表个人看法,但是发现网上的消息是各有不同,没有准确的消息小编也是不敢妄加评论,而在小编看了数十篇相关文章后,对于此事基本有了准确的认识,联想其实并没有网上评论的那么可恶,下面小编就简单来回顾一下两年前的“5G投票”,究竟发生了什么?联想又做了什么?

简单来说两年前3GPP机构对于5G标准进行制定投票,在经历一系列讨论之后,一共推出4个方案,


第一个高通主导:长码、短码都用LDPC编码,支持的有爱立信、索尼、三星、因特尔、高通、联想在内的16家厂商;

第二个方案:长码、短码都用Polar编码,支持的只有华为自己;第三个方案:长码用LDPC编码+短码用Turbo编码的组合方案,支持的厂商也不多;

第四个中国企业主导:长码用LDPC编码+短码Polar编码组合方案,支持的有中兴、联发科、小米、OPPO在内的17家厂商。

然后进入到了第一次投票阶段,华为主导的Polar方案只有一家,主动选择了弃权,而第一个高通主导的方案和第四个中国企业主导的方案势均力敌,争论很大,最终两者各退一步,求同存异,因为两个方案都包含LDPC编码,初步决定在5G数据传输的长码部分使用LDPC编码,而短码先待定,推迟到下次会议在决定。

而到了第二次投票决定短码使用哪种编码时,以高通为首的LDPC编码阵营和以华为为首的Polar编码阵营都拉来了大量盟友。最终支持LDPC方案的有:三星、爱立信、英特尔、高通、夏普等在内的33家厂商,而支持Polar方案的有:华为、联想、阿里巴巴、华为海思、博通、联发科、东芝、小米、OPPO、三大运营商在内的59家厂商。

相比第一次联想投了高通的主导方案,这一次短码制定中联想和其他中国企业均占在了华为主导的组合方案中,不过最终的结果很尴尬,短码制定Polar编码还是输给了LDPC编码,说到这里许多朋友应该疑问,不是我们票数多吗?怎么会输了?

这里要提到一个重要的点:3GPP机构投票不是看票数,而是看企业的权重,相比支持LDPC编码的企业,比如:三星、爱立信、因特尔、高通等世界级企业,支持Palar组合方案的企业权重并不够高,即使支持票数更高,但依旧是输了。

至此高通主导的LDPC编码拿到了5G移动宽带数据信道全部份额,另一方面即使联想第一次投了Polar组合方案,其实对于结果影响也不大。

而在此后的移动宽带控制信道投票中,中国企业加上其他的盟友们展现了真正的团结,最终Polar编码被确定为了国际控制码的标准,为何华为一直要支持Polar编码?虽然华为不是Polar编码的创造者,但其占到了Polar Code核心专利的70%左右。

看到这里不少朋友应该是懂了,其实这里面没有联想什么事,也没起到网上传言的关键作用,而且在中国企业团结起来支持Polar编码时,联想也确实站了出来,如果说联想唯一的错误也许是第一次投票投给了高通主导的LDPC方案,虽然说没起什么作用,但广义上没有和其他中国企业站到一块。

所以说事情的真相和网上传闻的还是有很大差距的,其中投票的次数和投票方式很容易被网友误解,而目前联想和华为也是分别进行了辟谣,小伙伴们,对于这件事你怎么看?欢迎大家留言,互相交流看法。

内容来自【科技小李】

公众号内回复“1”带你进粉丝群

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值