世界电信日 | 紫光展锐以科技创新支撑数字经济可持续发展

专注科技创新,打造全球数字经济技术基石

紫光展锐坚持科技创新,为数字经济蓬勃发展提供基石力量。

面对5G-A技术的巨大潜力,紫光展锐与众多生态伙伴紧密合作,积极推动5G-A的商用进程。紫光展锐提出的两项R18 eRedCap演进方案已被3GPP标准采纳,为5G-A技术的核心发展指明了方向。

在卫星通信领域,紫光展锐完成全球首次S频段 5G NTN技术上星验证,率先完成国内首次5G NTN手机直连、双向语音通话、星地双模Tracker验证。

面向前沿6G,紫光展锐积极参与ITU、3GPP、IEEE、CCSA、IMT-2030等6G相关技术规范的讨论和起草制定工作,并参与国家6G技术研发工作,在空口传输技术演进、无线AI、通感融合等前沿领域进行深入探索。

在AI领域,紫光展锐最新一代AI计算平台为各行各业提供全栈AI解决方案,不仅增强了数据隐私和安全,同时优化了网络连接性,降低了硬件成本和功耗。

深耕产品创新,支撑产业可持续发展

基于核心技术底座,紫光展锐打造了从手机到物联网、从汽车电子到智能显示的全面产品布局,为全球数十亿用户打开连接数字世界的大门,赋能千行百业。

如今,紫光展锐的5G产品已赋能全球100+智能终端与行业, 实现了智慧无人仓、智慧电力、智慧园区、智慧采矿、智慧医疗、工业互联网、光伏、车联网、城市治理等垂直领域的数字化升级转型,为产业的可持续发展提供强大动力。

践行绿色理念,构建美好世界

紫光展锐践行绿色发展理念,通过技术创新降低功耗、优化能效,助力碳达峰、碳中和在各行各业中落地,推动世界环境的可持续发展。

携手生态伙伴,共赢共生发展

紫光展锐秉持开放创新理念,持续立足本土优势,不断推动全球布局。紫光展锐的产品及解决方案已覆盖全球140多个国家和地区,通过270多家运营商的网络验证,与全球500多家品牌客户建立了稳固合作,推动全球产业生态繁荣,共赢发展。

面向未来,紫光展锐将秉承"专业、共赢、奋斗"的价值观,进一步推动数字技术创新,促进全球可持续发展,用芯成就美好世界。

备注:

1、数据由紫光展锐全球创新测试中心根据展锐Cat.1bis芯片功耗,及《2023年中国主要城市共享单车/电单车骑行报告》(作者:中国城市规划设计研究院)《共享两轮物联网技术的应用、演进及其生态价值》(作者:哈啰出行、上海联通物联网研究院)测算;

2、数据由紫光展锐全球创新测试中心根据展锐第二代5G移动芯片平台功耗,及《2023Q4全球智能手机应用处理器市场报告》(作者:Counterpoint Research)《2020年全球移动市场报告》(作者:Newzoo)测算;

3、数据由紫光展锐全球创新测试中心根据展锐5G物联网芯片平台功耗,及《2022Q1全球蜂窝物联网模块芯片市场报告》(作者:Counterpoint Research)《2023年5G CPE行业研究报告:5G CPE市场前景分析》(作者:头豹研究院)测算。

相关推荐
西猫雷婶20 分钟前
pytorch基本运算-导数和f-string
人工智能·pytorch·python
Johny_Zhao20 分钟前
华为MAAS、阿里云PAI、亚马逊AWS SageMaker、微软Azure ML各大模型深度分析对比
linux·人工智能·ai·信息安全·云计算·系统运维
顽强卖力21 分钟前
第二十八课:深度学习及pytorch简介
人工智能·pytorch·深度学习
述雾学java22 分钟前
深入理解 transforms.Normalize():PyTorch 图像预处理中的关键一步
人工智能·pytorch·python
武子康23 分钟前
大数据-276 Spark MLib - 基础介绍 机器学习算法 Bagging和Boosting区别 GBDT梯度提升树
大数据·人工智能·算法·机器学习·语言模型·spark-ml·boosting
要努力啊啊啊26 分钟前
使用 Python + SQLAlchemy 创建知识库数据库(SQLite)—— 构建本地知识库系统的基础《一》
数据库·人工智能·python·深度学习·自然语言处理·sqlite
武子康26 分钟前
大数据-277 Spark MLib - 基础介绍 机器学习算法 Gradient Boosting GBDT算法原理 高效实现
大数据·人工智能·算法·机器学习·ai·spark-ml·boosting
中杯可乐多加冰1 小时前
【解决方案-RAGFlow】RAGFlow显示Task is queued、 Microsoft Visual C++ 14.0 or greater is required.
人工智能·大模型·llm·rag·ragflow·deepseek
一切皆有可能!!6 小时前
实践篇:利用ragas在自己RAG上实现LLM评估②
人工智能·语言模型