全球移動通信大會,2015年3月2日,西班牙,巴塞羅那 - 全球領(lǐng)先的智能互聯(lián)系統(tǒng)軟件提供商風(fēng)河®公司與中國移動攜手共同開發(fā)多個NFV工程項目,包括新建NFV測試實驗室以及聯(lián)合開發(fā)虛擬化Small Cell Gateway和C-RAN解決方案。雙方共同致力于支持整個電信產(chǎn)業(yè)推進NFV部署,縮短上市時間,降低運營成本。
中國移動以O(shè)PNFV開源工程為基礎(chǔ)建立了一個新的測試實驗室,專注于通過集成化的開放平臺來加速NFV的部署。作為亞洲地區(qū)唯一的實驗室,這個OPNFV實驗室配備了真實的網(wǎng)絡(luò)訪問環(huán)境,為基于開放標(biāo)準(zhǔn)的測試與集成工作提供了豐富多樣的軟件及硬件基礎(chǔ)設(shè)施。擁有完備的環(huán)境,計劃進行商業(yè)級NFV平臺的測試與評估,這使該實驗室可以為整個生態(tài)系統(tǒng)中廣泛的合作伙伴提供眾多的參與機會。風(fēng)河公司是該實驗室的創(chuàng)始合作伙伴之一。
雙方聯(lián)合開發(fā)的虛擬化Small Cell Gateway技術(shù)表明,通過NFV技術(shù)已經(jīng)可以實現(xiàn)具備部署前景的數(shù)據(jù)面網(wǎng)元設(shè)備,在降低運營成本的前提下提高了網(wǎng)元功能與性能的可定制程度。伴隨著數(shù)據(jù)流量呈現(xiàn)出指數(shù)增長趨勢,虛擬化Small Cell Gateway正在成為擴大網(wǎng)絡(luò)容量越來越有吸引力的途徑。
以香港應(yīng)用科技研究院的ASTRI Small Cell Gateway為典型代表,它作為Wind River Titanium Server上的一種虛擬網(wǎng)絡(luò)功能(VNF),運行在英特爾架構(gòu)之上,為移動核心網(wǎng)絡(luò)提供信令卸載和移動數(shù)據(jù)管理功能,并且與Titanium Server一起進行了預(yù)先驗證和優(yōu)化。而Titanium Server就是運營商級的NFV基礎(chǔ)架構(gòu),其設(shè)計目標(biāo)就是滿足電信行業(yè)“永不斷線”的嚴苛要求。
中國移動研究院副院長楊志強指出,“電信行業(yè)正在引入NFV技術(shù)以便在快速新業(yè)務(wù)部署的同時最大限度地降低運營成本。然而,這不能以犧牲性能和系統(tǒng)可靠性為代價。運營商級的高可靠性要求必須得到滿足。我們與風(fēng)河合作在虛擬化Small Cell Gateway的項目是這方面的一次嘗試。”
風(fēng)河公司網(wǎng)絡(luò)解決方案資深總監(jiān)Charlie Ashton表示,“數(shù)據(jù)流量正在不斷突破網(wǎng)絡(luò)極限,而運營商也正在積極謀求部署NFV技術(shù)。NFV技術(shù)的復(fù)雜性來自諸多方面。要取得實質(zhì)進展,就必須與中國移動這樣的行業(yè)領(lǐng)先者合作。Wind River Titanium Server在一個經(jīng)過驗證的基石上為NFV基礎(chǔ)設(shè)施提供了運營商級的虛擬化技術(shù),讓服務(wù)提供商能夠獲得新的靈活性、可伸縮性以及運營成本和能耗方面的效益。”
中國移動和風(fēng)河為NFV部署而聯(lián)合開發(fā)的C-RAN解決方案,提供了成功C-RAN的實用樣板,具備純硬件系統(tǒng)的性能,可實現(xiàn)從L1到L3的熱遷移,并且滿足ETSI NFV Industry Standards Group的要求。這套解決方案也將在全球移動通信大會上展出,其中的核心依然是Wind River Titanium Server技術(shù),運行在帶有專用硬件加速器的英特爾架構(gòu)服務(wù)器中。這個虛擬基站NFV應(yīng)用實例可以在近乎實時的環(huán)境中可靠地提供低延時、高性能的數(shù)據(jù)處理能力,而且是運行在一個多應(yīng)用的虛擬化環(huán)境中。
中國移動研究院首席科學(xué)家易芝玲博士指出,“在利用NFV實現(xiàn)虛擬化C-RAN的過程中所遇到的一個重要挑戰(zhàn),就是以接近實時的性能可靠地進行高性能數(shù)據(jù)處理,而且必須運行在多應(yīng)用的虛擬化環(huán)境之中。通過與風(fēng)河的合作,我們成功研發(fā)了業(yè)界第一臺支持LTE完整協(xié)議棧高實時需求的動態(tài)載波遷移原型機。這項成果令我們十分振奮,對未來與風(fēng)河的合作充滿期待。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。