科技行者 7月22日 北京消息:在上一篇文章中,我們提到了邊緣網(wǎng)絡(luò)時(shí)代生存的方法,討論了邊緣網(wǎng)絡(luò)智能化的發(fā)展趨勢。隨著5G 等最新無線網(wǎng)絡(luò)技術(shù)使得通信容量得到進(jìn)一步提升,這種新型基礎(chǔ)設(shè)施將有力推動(dòng)創(chuàng)新應(yīng)用的開發(fā)。此類應(yīng)用大多采用高頻活動(dòng)模型,例如視頻或傳感器,其活動(dòng)通常由設(shè)備自行發(fā)起,并產(chǎn)生大量跨網(wǎng)絡(luò)移動(dòng)的數(shù)據(jù)。據(jù)思科最新的可視化網(wǎng)絡(luò)指數(shù)(VNI)預(yù)測, 2017 到 2022 年,全球移動(dòng)數(shù)據(jù)流量將增加 6 倍,或相當(dāng)于以42% 的年增長率增長,網(wǎng)絡(luò)性能升級成為大勢所趨。
無線卸載
存在密集的無線連接的網(wǎng)絡(luò)該如何應(yīng)對帶寬和連接方面的巨大挑戰(zhàn)?解決方案之一便是無線卸載。無論是擁有1,000 名顧客的大型零售商店,還是容量達(dá) 60,000 坐席的體育場,亦或是容納 200,000名與會(huì)者的會(huì)議中心,所要傳送的數(shù)據(jù)量都是巨大的。通過無線方式傳輸數(shù)據(jù)的成本在容量上已經(jīng)達(dá)到了一個(gè)臨界點(diǎn),而這推動(dòng)了通過有線 網(wǎng)絡(luò)分流的傳輸需求的發(fā)展。這一趨勢還對邊緣網(wǎng)絡(luò)的性能提出了更高的要求,以滿足用戶對高性能連接和低延遲反應(yīng)時(shí)間的體驗(yàn)需求。
全新的性能需求
先進(jìn)的無線接入技術(shù)加速了 5G 和 Wi-Fi 6 的部署,包括采用 MIMO 和更高的頻譜技術(shù)。然而,不斷出現(xiàn)的設(shè)備和新應(yīng)用很快就會(huì)消耗掉所提供的容量。實(shí)際上,提供大帶寬介入正是界定多千兆速率以太網(wǎng)的一個(gè)主要因素。這種新的性能需求將影響所有的網(wǎng)絡(luò)層級,促使上行鏈路提高端口速度,以處理增加的訪問帶寬。此外,堆疊鏈路的容量也會(huì)提升,從而促進(jìn)高效的端口部署,以及幫助應(yīng)對附加客戶端的增長。
網(wǎng)絡(luò)容量的增加推動(dòng)高帶寬應(yīng)用的發(fā)展,支持新興的實(shí)時(shí)應(yīng)用以及網(wǎng)絡(luò)上并發(fā)活動(dòng)設(shè)備的擴(kuò)展。然而,頗具諷刺意味的是,由此形成的趨勢和未來的創(chuàng)新動(dòng)向又將繼續(xù)對網(wǎng)絡(luò)性能提出更高的要求。
性能是本系列文章所討論的第二部分,該系列文章介紹了隨著移動(dòng)和云應(yīng)用程序的激增以及網(wǎng)絡(luò)功能從核心向邊緣轉(zhuǎn)移,不斷發(fā)展的無邊界園區(qū)所需要的基本技術(shù)。遙測面臨的挑戰(zhàn)和洞見將在接下來的邊緣網(wǎng)絡(luò)時(shí)代生存的方法中進(jìn)行探討。
好文章,需要你的鼓勵(lì)
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯(cuò)式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時(shí)學(xué)習(xí)外觀和運(yùn)動(dòng)信息,顯著解決了當(dāng)前視頻生成模型中動(dòng)作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個(gè)線性層就能大幅提升運(yùn)動(dòng)質(zhì)量,在多項(xiàng)測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時(shí)顯著提升人性化交互水平,為AI價(jià)值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開發(fā)的GraphCast是一個(gè)革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。