00:10IT之家(博客/媒体)中国联通在2026年半年度业绩说明会上表示,传统通信市场进入存量竞争阶段,公司正全面收敛在售套餐数量,持续开展资费精简专项工作。财报显示,2026年上半年营收2014亿元,同比增长0.6%,归母净利润41亿元,同比下降34.8%。公司与中国电信共建共享5G基站超154万站,累计节省投资565亿美元。算力业务收入达419亿元,同比增长13%,智算规模超45EFLOPS。行业中国联通5G算力推荐理由:联通在收缩套餐数量,同时算力投资大增80%,智算规模45EFLOPS,想了解运营商转型可以看看。原文稍后读已读值得跟进有用关注 中国联通
15:26IT之家(博客/媒体)国家网信办发布《国家信息化发展报告(2025年)》,显示6G已完成第一阶段技术试验。我国生成式人工智能用户规模达6.02亿,同比增长141.7%。开源鸿蒙操作系统装载设备量超12亿台,5G基站总数达483.8万个。数字经济核心产业增加值占GDP比重超10.5%,年度数据生产量达52.26ZB。行业6G生成式人工智能开源鸿蒙推荐理由:网信办的最新报告给了一堆硬核数据:6G有进展了、生成式AI用户冲上6亿、5G基站近500万个,数字经济的底牌都在这了。原文稍后读已读值得跟进有用关注 6G
11:34IT之家(博客/媒体)精选中国电信完成5G无线网络规划大模型现网试点,规划效率提升50%,方案准确率达75%以上。该模型在浦东居民区站址补点准确率超80%,地下停车场覆盖问题识别准确率逾75%。技术架构首创“双孪生大模型协同规划”,结合信道孪生与话务孪生模型。中国电信联合中兴通讯在复杂场景验证,推动网络规划从经验依赖转向模型驱动。行业中国电信5G无线网络规划推荐理由:电信和中兴搞了个5G网络规划大模型,效率翻半,准确率超75%,在居民区和停车场都验证过了,挺实在的。原文稍后读已读值得跟进有用关注 中国电信
09:20官方账号arXiv cs.AI@Mazene Ameur, Abdelkader Mekrache, Bouziane Brik, Adlen Ksentini该论文以教程与综述形式,系统梳理了LLM驱动的智能体AI在5G/6G网络中的应用。Part I形式化5G/6G的控制、管理和AI原生平面,涵盖推理、规划、工具使用、多智能体协调等基础。Part II将智能体能力映射到5G/6G控制面、标准组织及6G主要倡议,指出开放挑战。文章弥补了协议集成、评估和标准化对齐的研究空白。论文LLM5G6G推荐理由:这篇综述把LLM智能体怎么用在5G/6G网络上讲清楚了,覆盖架构、协议和标准化,做通信AI的可以看看。原文稍后读已读值得跟进有用关注 LLM
16:21官方一手pandaily@contact@pandaily.com (Pandaily)精选广州AIFU Semiconductor计划到2026年7月将BAW滤波器芯片年产能提升至10亿颗,采用自主单晶氮化铝技术。该芯片用于5G射频前端,打破Broadcom和Qorvo在高端BAW滤波器市场的长期垄断。AIFU的产能扩增将显著降低国内5G手机厂商对进口射频芯片的依赖。行业AIFU SemiconductorBAW滤波器5G推荐理由:AIFU要用自主技术年产10亿颗BAW滤波器,直接抢Broadcom和Qorvo的5G射频生意,国产替代进了一大步。原文稍后读已读值得跟进有用关注 AIFU Semiconductor
14:14IT之家(博客/媒体)精选博通(Broadcom)于5月27日发布业界首批三款Wi-Fi 8路由器集成芯片:BCM6772、BCM6774和BCM6776,分别面向主流、大容量和高端三频路由器。这些芯片在单芯片中集成了应用处理器、网络处理器、2.4GHz与5GHz Wi-Fi 8射频及多千兆以太网PHY,旨在降低功耗、缩小体积并压低物料成本。博通已向华硕、网件、TP-Link等合作伙伴送样,但上市时间和价格未公布。此外,博通还与三星合作推出集成5G和Wi-Fi 8的固定无线接入平台B1320,并发布业界首个端到端50G PON边缘AI产品组合。AI产品Wi-Fi 8博通/Broadcom路由器芯片推荐理由:Wi-Fi 8芯片的发布将推动下一代家庭和企业网络升级,做路由器或网络设备的开发者/厂商可以直接关注博通的送样进展,提前规划产品路线。原文稍后读已读值得跟进有用关注 Wi-Fi 8
19:12官方账号arXiv cs.AI@Mannam Veera Narayana, Rohit Singh, Deepa M. R, Radha Krishna Ganti精选该研究发布了一个从商用5G网络收集的真实数据集,涵盖步行、自行车、汽车、公交和火车等多种移动模式及不同速度。数据集聚焦切换场景,包含定时提前测量等关键信号事件,旨在减少切换中断时间并维持连续吞吐量。现有研究多依赖仿真数据,无法反映真实部署行为,该数据集填补了这一空白。论文详细描述了数据采集设置、提取过程,并进行了探索性分析,特别关注移动性、波束管理和定时提前。该数据集可用于训练和评估AI/ML模型,例如定时提前预测,为6G原生AI移动性研究提供基础。论文6G5GAI/ML推荐理由:做6G/5G移动性优化或AI-Native网络研究的团队,终于有了真实部署数据来训练模型,比仿真数据靠谱得多,建议直接下载使用。原文稍后读已读值得跟进有用关注 6G