繼“互聯(lián)網(wǎng)+”在今年兩會報告中悄然走紅之后,流量資費問題又掀起新一輪輿論風潮,國務院總理李克強在今年4月份的經(jīng)濟形勢座談會上明確敦促要降低手機流量費,提高網(wǎng)速,工信部隨即公開表示,將推動企業(yè)加大網(wǎng)絡投資,并布置相關企業(yè)落地實施。據(jù)工信部發(fā)布的最新數(shù)據(jù)顯示,截至3月底,我國4G總用戶數(shù)達到1.62億,8M及以上寬帶用戶占比達46.4%。當前這種流量的“指數(shù)式”增長,對通信基礎設施不斷提出挑戰(zhàn),需要進一步加大信息化建設力度。
近幾年來,在移動互聯(lián)網(wǎng)浪潮的沖擊下,運營商企業(yè)面臨來自OTT廠商和虛擬運營商的雙重競爭,過去單純依靠手機、寬帶和傳統(tǒng)流量業(yè)務的經(jīng)營模式已不能滿足快速變化的客戶需求,運營商企業(yè)在客戶資源優(yōu)勢逐漸流失的同時,功能管道化的趨勢也日益嚴重,這迫使運營商在業(yè)務創(chuàng)新上尋求突破,后向經(jīng)營、融合通信、按需定制等全新的業(yè)務模式為其打開新路,運營商迫切希望打造一個融合、開放、統(tǒng)一的集約化平臺,但這些新的發(fā)展戰(zhàn)略對運營商的網(wǎng)絡設備和基礎架構提出了新的挑戰(zhàn)。
目前運營商網(wǎng)絡“分段而治”,信息孤島現(xiàn)象嚴重,基礎架構靈活性差,組網(wǎng)成本高,管理復雜,運維量大,新業(yè)務上線慢,于是,運營商開始擁抱SDN和NFV等趨勢,功能軟件化、網(wǎng)絡虛擬化成為新技術時代的弄潮兒?;诖?,聯(lián)想通過對運營商企業(yè)的深入洞察及與ISV的深度捆綁,為運營商企業(yè)提供了包括底層架構、前端操作和后端運營在內的最為全面和專業(yè)的云計算解決方案,幫助運營商企業(yè)攻克基礎架構的技術難關,完成創(chuàng)新轉型。
聯(lián)想SAP HANA方案,通過部署以System x3850 X6為核心的SAP HANA系統(tǒng),打破了運營商所面臨的信息孤島難題,運營商可以實現(xiàn)對數(shù)百家下屬分支機構進行信息集中管控,在統(tǒng)一的平臺上進行數(shù)據(jù)挖掘和分析。聯(lián)想CMP云管理平臺解決方案,針對運營商企業(yè)所面臨的混合云環(huán)境和異構系統(tǒng),通過構建全面的云平臺,為運營商提供從物理設施到平臺監(jiān)控和自動化運維的一站式服務,可大大提升IT運維效率,節(jié)省投資成本。而通過聯(lián)想LeoStor云存儲解決方案,運營商可根據(jù)自身的業(yè)務需求,進行存儲資源的橫向擴展,依靠存儲容量均衡技術,可自動將數(shù)據(jù)均勻分配,無需人工干預,即可增加系統(tǒng)輸出帶寬,在保證數(shù)據(jù)穩(wěn)定性的基礎上,可極大提升業(yè)務數(shù)據(jù)的處理速度。聯(lián)想LVCC桌面虛擬化解決方案,可實現(xiàn)企業(yè)對上百臺甚至數(shù)千臺PC終端的統(tǒng)一管理、統(tǒng)一存儲和統(tǒng)一計算,同時可以輕松部署包括服務器、虛擬機、交換機在內的各項設備,為用戶云終端提供Windows虛擬桌面、業(yè)務應用等云計算服務。
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)不同問題靈活調整內部專家配置。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,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(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量視頻,延遲僅0.76秒,質量漂移指標從傳統(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幾何知識對培養(yǎng)AI空間智能的重要價值。