CNET科技資訊網 9月5日 北京消息(文/周雅):數字化轉型,已經成為行業(yè)共識,萬億級別的新藍海無形中給運營商帶來了不少壓力,這時候運營商就被動面臨選擇,是選擇固守傳統(tǒng)業(yè)務,還是從互聯網企業(yè)收取額外費用,或者是取消“販賣管道能力”改為流量經營?就拿中國電信來說,轉型成為了信息雜貨鋪的老板,在規(guī)劃的CTNet2025網絡架構目標中,致力于“做領先的綜合智能信息服務運營商”;中國移動也放下了端了多年的鐵飯碗(販賣管道能力),打出了“打造數字化經營的領先運營商”的目標。而以運營商業(yè)務起家的華為,就選擇幫助運營商完成數字化轉型。
華為近期發(fā)布“四地一體”的云開放實驗室(Cloud Open Labs),將GNEEC(全球網絡演進與體驗中心)、NFV Open Lab、SDN Open Lab和DC Open Lab四個開放實驗室連起來,構建統(tǒng)一的數字化運營平臺,支撐運營商網絡演進和運營轉型。
華為DC Open Lab(位于廊坊市)
走進位于河北省廊坊市的華為DC云開放實驗室,視線就落在了榮譽墻上,上面擺著一些獎狀、獎杯和證書,在總建筑面積6000萬平米的云開放實驗室內,IT機房面積超過600平方米,部署了240多個機架和超過500臺物理服務器。這里,僅僅是華為云開放實驗室家族的四分之一。
華為廊坊DC Open Lab榮譽墻
“建開放實驗室的目的,就是幫助客戶做大蛋糕,我們認為這個投資是值得的,因為從某種程度上說,把運營商的蛋糕做大,實際上也是彌補華為的小蛋糕。”華為全球技術服務部服務營銷運作部部長魏兵在接受CNET采訪時坦率的說。
從左至右:華為IT解決方案與解決方案驗證部部長張宏毅、華為全球技術服務部服務營銷運作部部長魏兵、華為數據中心集成解決方案領域總經理王威
“視頻行業(yè)目前已經占據了50%左右的網絡流量,且在未來3-5年將增至80%,成為運營商的基礎性業(yè)務;華為還看到萬億美元級的企業(yè)IT云轉型市場、1000億級別的物聯網產業(yè)以及各類垂直行業(yè)的轉型,正在涌現出大量新機遇。”魏兵稱。
“要真正實現數字化轉型,‘全面云化’是目前可見的最有效的手段和技術支撐。”在今年4月份華為分析師大會上,華為發(fā)布了“全面云化”戰(zhàn)略,當時的華為輪值CEO徐直軍曾表示,要用2-3年時間,實現產品和解決方案全面云化,幫助客戶實現商業(yè)成功。
云,也是運營商當下面臨的首要問題,華為判斷,運營商云化的演進過程中主要面臨著多廠商的集成、從現網向目標網絡演進、實現敏捷運營等挑戰(zhàn):
1、為利舊已有投資、匹配轉型戰(zhàn)略,需要構建開放平臺,引入新的應用、基礎設施和服務合作伙伴,運營商當前的能力不能夠完全支撐這種轉變。
2、對多廠商云解決方案的集成驗證能力要求高:除多廠商產品的一致性、可靠性和互操作性等問題外,還需克服集成復雜度高,運營運維經驗缺乏等難點。
3、商業(yè)云、企業(yè)私有云和電信網絡云等不同的云業(yè)務場景下由于應用架構、商業(yè)模式、運維運營的顛覆性創(chuàng)新,給運營商適應云產業(yè)生態(tài)帶來了巨大挑戰(zhàn)。
華為認為,一個能支撐多廠商環(huán)境、具備多場景驗證條件的集成實驗室對云解決方案的成熟至關重要。
魏兵說,華為Cloud Open Labs云開放實驗室是業(yè)界首個能夠模擬運營商整網的實驗室,它將廊坊云DC開放實驗室、西安NFV開放實驗室、北京SDN開放實驗室、北京/深圳GNEEC實驗室實現互聯互通,是生態(tài)鏈建設、預集成預驗證、聯合創(chuàng)新的平臺,并承載云化的運營轉型中心,幫助運營商滿足最終用戶ROADS (Real-time, On-demand, All-online, Do-It-Yourself, Social)體驗需求。
云開放實驗室是分布式、多廠商、分層、跨域的集成驗證環(huán)境,主要有三個職能,即構建開放創(chuàng)新的生態(tài)鏈(生態(tài)鏈建設)、集成多廠商方案和驗證未來網絡架構、聯合創(chuàng)新加速新業(yè)務上市;覆蓋傳統(tǒng)電信網絡集成、SDN/NFV集成、數據中心集成、網絡演進、運營轉型等場景,支撐總體解決方案的落地。
就拿廊坊DC云開放實驗室來說,就有超過39個廠商的250多個型號的硬件產品、70多種410多個版本的軟件產品,可以模擬不同IT環(huán)境和網絡條件下的多種云業(yè)務場景,通過持續(xù)集成和項目實踐,逐步構建起經驗庫和知識庫,為客戶提供整體規(guī)劃和最優(yōu)方案,并形成標準的交付流程(SOP),確保交付質量的一致性。
“運營商最關心的是,把計劃轉變到生產環(huán)節(jié)中并快速的商用?,F在縱觀整個行業(yè),網絡2020、網絡2025、轉型2025,這些愿景都非常好,但是現實很骨感,必須要有一個真實的大環(huán)境來幫助它,然后到它的生產環(huán)境當中,就直接能夠用,否則成本太高了。”巍兵說,所以華為對運營商最大的幫助,就是在他的線網中,放上去一個能直接商用的平臺,并孵化可交付的ICT解決方案,從而支撐每一個消費者在打電話、上網等各種各樣的互聯網體驗。
張宏毅介紹說,開放實驗室可不是參觀用的,而是一個能夠模擬運營商整網的實驗室;也不是不現實的把運營商向往的所有情況都搬到實驗室,而是模擬運營商最關心的那一部分,形成一個方案,針對其最關心的這部分網絡的功能進行相應的集成和驗證;云開放實驗室最主要的投資更不是在建筑或者是裝修上,而是在設備和軟件上,并且在模擬的過程中,需要不斷的跟著運營商迭代,所以越到后續(xù)投資越大。
對于內容和應用的實際運營,華為所做的,就是建這個實驗室平臺,做咨詢和系統(tǒng)集成,最終促使客戶把他們的能力開放出去,從而跟他的合作伙伴形成商業(yè)合作,實現商業(yè)成功,至于上面的內容和數據,華為是不碰的。
魏兵坦言,盡管有些其他的運營商也有開放的實驗室,但是華為能夠做到四地互聯,這個運營方式放到云上目前來說是非常先進的。
“運營商云化的過程中,一定要對現有的IT環(huán)境、網絡環(huán)境、包括運營的流程非常熟悉的合作伙伴”,華為數據中心集成解決方案領域總經理王威說,而華為的本地服務能力和研發(fā)能力、加上對運營商流程的熟悉程度、再加上對終端用戶體驗的理解力,無形中給自己增加了差異化優(yōu)勢。
從2015年下半年起,華為持續(xù)構建咨詢與系統(tǒng)集成能力,計劃在三年內在人才、解決方案、平臺工具、實驗室等投資3.5億美元,開發(fā)服務解決方案和建設工具平臺等,支撐運營商數字化轉型。
要想推動運營商轉型并不是只能靠一家力量,同樣,華為云開放實驗室也不是一座孤島,而是依托云開放實驗室,與運營商、行業(yè)組織、合作伙伴進行解決方案聯合創(chuàng)新,與合作伙伴進行相互認證和授權。
華為一直在“開放、合作、共贏”上做文章,一方面聚焦行業(yè)新機遇與運營商訴求、一方面嚴守“上不做應用,下不碰數據”的業(yè)務邊界,攜手業(yè)界構建開放的生態(tài)環(huán)境:“華為投身云計算、建設云平臺的最終目的就是促使客戶將能力開放出去,開拓新的市場、實現商業(yè)成功。在這個過程中,我們可能會去做一些工作,比如幫助運營商將合作伙伴聚合起來、提供相應的咨詢、探索一些新的商業(yè)模式。但總體來講,我們只是幫助客戶來搭建這樣一個開放的商業(yè)平臺,使能其商業(yè)創(chuàng)新。”
以云開放實驗室為例,截至今年6月,SDN領域完成和Check Point、Fortinet、Marantis、Infoblox、Citrix、F5等20多家合作伙伴的集成及認證,為瑞典Teliasonera CloudVPN/vCPE等累計30余個項目提供預驗證支撐;NFV領域完成和VMware、OpenStack、Red Hat、Wind River、Ubuntu等20多家合作伙伴的集成及驗證,為卡塔爾Ooredoo HP+VMware+vIMS等累計40余個項目提供預驗證支撐;數據中心領域完成和VMware、BMC、埃森哲、Ovell、微軟等20多家合作伙伴的集成及認證,為澳洲Singletel NFVI等累計10余個項目提供預驗證支撐;GNEEC累計承接了超過1000個項目預驗證支撐。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,但這些自我糾錯行為并不能實際提升推理準確率。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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現大語言模型訓練加速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練效率,已在多個任務上驗證有效性。
關注科技創(chuàng)新、技術投資。
以文會友,左手硬核科技,右手浪漫主義。