目前傳統(tǒng)企業(yè)分支正在發(fā)生新的變化,4G技術(shù)和智能終端的普及使得移動辦公和互聯(lián)成為普遍趨勢,工業(yè)終端IP化和互聯(lián)網(wǎng)化使得物聯(lián)網(wǎng)逐步演進到IoT(Internet of Things)。
在華為看來,新的分支為敏捷網(wǎng)絡帶來契機。因此,在今日華為網(wǎng)絡大會(HNC2014)上,華為發(fā)布敏捷分支解決方案和系列化敏捷網(wǎng)關(guān)產(chǎn)品,以業(yè)務和用戶體驗為中心。
作為敏捷網(wǎng)絡戰(zhàn)略及架構(gòu)的重要組成和支撐,敏捷分支解決方案是敏捷網(wǎng)絡在今年的一項創(chuàng)新,它有效解決了分支網(wǎng)絡部署、運維等一系列問題,首次實現(xiàn)分支零本地維護。
華為敏捷分支解決方案包括三個主要場景:移動分支、物聯(lián)分支和企業(yè)分支。華為企業(yè)網(wǎng)絡產(chǎn)品線路由器產(chǎn)品總經(jīng)理李先銀指出,移動分支和物聯(lián)分支作為新的分支形態(tài),數(shù)量更大、業(yè)務更復雜,業(yè)務部署慢、故障定位難成為主要挑戰(zhàn)。面對這些挑戰(zhàn),華為推出采用敏捷控制器(Agile Controller)和敏捷網(wǎng)關(guān)的兩層架構(gòu)的敏捷分支解決方案。
而敏捷分支又有哪些特色呢?據(jù)李先銀介紹,通過敏捷分支解決方案:
第一次應用虛擬化技術(shù)實現(xiàn)IT+CT在網(wǎng)關(guān)上深度融合,實現(xiàn)了設(shè)備資源深度共享。一臺網(wǎng)關(guān)不僅支持傳統(tǒng)CT路由、交換、語音等多種功能,而且支持IT應用動態(tài)加載。一臺設(shè)備相當于一個ICT分支。
第一次基于SDN與NFV融合架構(gòu)實現(xiàn)IT和CT統(tǒng)一控制和運維。該方案支持遠程定義分支內(nèi)的邏輯網(wǎng)絡,同時可以對分支敏捷網(wǎng)關(guān)ICT資源進行全生命周期管理,實現(xiàn)IT和CT資源統(tǒng)一控制,加速業(yè)務部署速度。
第一次實現(xiàn)設(shè)備、網(wǎng)絡和應用多層開放,支持第三方業(yè)務與系統(tǒng)集成與被集成,快速形成行業(yè)解決方案和業(yè)務創(chuàng)新,為客戶實現(xiàn)增值。
李先銀補充道:“敏捷分支解決方案完全顛覆了傳統(tǒng)設(shè)備的形態(tài)與架構(gòu),改變了分支的建網(wǎng)模式,改變了管理運營模式,由此也將產(chǎn)生新的商業(yè)模式。”
在創(chuàng)新上,敏捷分支解決方案實現(xiàn)了:一鍵式部署,支持海量設(shè)備一鍵式發(fā)現(xiàn)、對分支應用部署和業(yè)務編排統(tǒng)一下發(fā);零本地維護,支持零時延故障發(fā)現(xiàn)、零差錯故障定位和零等待問題解決;開放增值,支持應用開放、網(wǎng)絡開放、信息開放。通過敏捷分支解決方案,使企業(yè)海量分支的業(yè)務部署和運維管理得到解放,在降低企業(yè)TCO的同時,提升了企業(yè)新業(yè)務增值能力。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。