思博倫通信(LSE:SPT)今天宣布,思博倫和中國電信廣州研究院(以下簡稱廣研院)、華為合作,三方共同完成了FlexE在城域網(wǎng)和5G 場景下的驗證測試,涵蓋FlexE功能和性能等多個方面,測試結(jié)果達到預(yù)期。
今天,隨著高清視頻、高頻交易等高端應(yīng)用對于網(wǎng)絡(luò)服務(wù)質(zhì)量的要求持續(xù)提高,以及5G 網(wǎng)絡(luò)uRLLC和mMTC場景的到來, FlexE技術(shù)越來越受到業(yè)界重視, FlexE應(yīng)用場景不斷擴展。
本次測試依托中國電信網(wǎng)絡(luò)與終端重點實驗室,采用華為路由器配置基于FlexE端口, 使用配置FlexE測試模塊的SpirentTestcenter測試儀。設(shè)備之間、設(shè)備和儀表間采用100G BASE-LR4 端口組網(wǎng)。SpirentTestcenter FlexE測試模塊上采用不同的測試端口,分別配置100G 以太網(wǎng)和100G FlexE模式,在FlexEGroup上配置m*5G FlexE Client, 產(chǎn)生滿帶寬測試流量,驗證FlexE專線的硬隔離特性,測試FlexE專線及FlexE和以太網(wǎng)之間的轉(zhuǎn)發(fā)性能。
測試結(jié)果顯示:業(yè)界領(lǐng)先的路由器已經(jīng)具備通過FlexE技術(shù)實現(xiàn)網(wǎng)絡(luò)分片能力,滿足金融、政府等高價值專線場景的組網(wǎng)要求,也為5G mMTC和uRLLC應(yīng)用場景提供了初步的網(wǎng)絡(luò)基礎(chǔ)。
中國電信研究院IP技術(shù)研究負責人朱永慶表示:“ FlexE技術(shù)自提出以來,已經(jīng)引起了業(yè)界廣泛的關(guān)注。 運營商, 設(shè)備廠家和芯片供應(yīng)商都在開發(fā)FlexE技術(shù)及對不同應(yīng)用場景的擴展,探索應(yīng)用場景。為此廣研院聯(lián)合華為和思博倫共同完成了FlexE在城域網(wǎng)和5G 場景下的驗證測試,測試結(jié)果達到預(yù)期。思博倫的Spirent TestCenter測試儀新推出FlexE測試模塊,符合技術(shù)發(fā)展趨勢, 具備很好的多鏈路捆綁能力和信道化功能,5Gbps的FlexE Client 帶寬粒度,能很好滿足城域網(wǎng)FlexE專線和5G 網(wǎng)絡(luò)分片的測試要求。”
思博倫通信銷售總監(jiān)周佳新先生表示:“本次廣研院、華為和思博倫的聯(lián)合創(chuàng)新測試,為FlexE技術(shù)產(chǎn)業(yè)鏈的成熟奠定了基礎(chǔ),推進了FlexE在城域網(wǎng)和5G 網(wǎng)絡(luò)中的應(yīng)用,加速了FlexE產(chǎn)業(yè)商用步伐。”
“思博倫持續(xù)跟蹤50G PAM4,100G, 200G,400G, FlexE等新技術(shù)發(fā)展趨勢,在新技術(shù)上持續(xù)投入核心研發(fā)力量,以高性能的產(chǎn)品和創(chuàng)新的解決方案,持續(xù)支持5G 時代網(wǎng)絡(luò)的發(fā)展。”
思博倫FlexE測試方案是業(yè)界密度最高的FlexE 100GBASE-R PHY 測試儀,并提供業(yè)界領(lǐng)先的50G PAM4 和100G FlexE測試能力, 為數(shù)據(jù)中心、城域網(wǎng)和5G 網(wǎng)絡(luò)中推動FlexE的商用進程提供有力支持。
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(wù)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(xùn)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(xùn)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(xùn)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(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)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。