
CNET科技资讯网 9月29日 北京消息(文/周雅):华为昨天携手中国联通在北京正式发布业界第一个基于微基站的移动网络能力开放白皮书。
"4G基站目前已经突破200万个,网络价值不止在连接,而在于它本身传递和制造的一些信息、以及灵活的业务和交付能力,都蕴藏着巨大的潜能",中国联通网络技术研究院落负责院长迟永生表示,因此,合理的开发和挖掘运营商移动网络深层能力,可以更好的适应移动新业务发展应用,这也是这个白皮书重要的来源。
华为Small Cell产品线总裁彭红华介绍,华为做微型化的基站,一个初衷就是为了提升网络质量,特别是很多目前在传统网络无法覆盖到的室内密集场所,所以,增强用户体验是重要的解决方案。比如华为仅用了三个月的时间,就完成了T3航站楼的部署,使整个联通网络数据流量在18个月内增长数十倍。
《微基站能力开放白皮书》阐述了愿景、开放内容、逻辑架构、能力开放的演进及典型应用等内容:
1、通过对微基站能力开放的探索,打造开放、弹性、协作的生态系统,推动移动网和互联网的能力互动和数据互动。
2、通过网络基础设施、网络数据信息和多样化服务的开放,将微蜂窝网络资源与信息技术和互联网相结合,同时构建新的商业生态系统,将能力转化为业务和服务并货币化,拓展用户业务体验的开放内容。
3、首次提出C-BOX(Connectivity, Control, Computing, Cloud and Convergence – All in one Box)微基站网络能力开放架构,具备微蜂窝网络与业务平台的连接性、移动基站的汇聚能力、网络数据的计算能力、云架构及能力开放控制节点功能。
4、明确阐述了移动蜂窝网络能力开放的演进分三个阶段。
阶段一:开放定位及位置信息服务、业务本地化和视频业务加速典型服务能力探寻新商业模式。华为公司与中国联通基于位置能力开放的智慧商场解决方案已经成功走出第一步,并于2015年由山西联通“居然之家”获得ETSI 颁发的“MEC最佳实践奖,这也是国内运营商首获此殊荣。阶段二:通过对网络架构的微调和对网络设备的小范围改造,定义移动通信网络能力的封装,标准化封装能力面向移动网络基础设施和应用业务的API接口(API:Application Programming Interface),构建微基站能力开放服务平台;阶段三:借助虚拟化、云计算和高性能硬件的技术成果在设备、软件、架构层面重塑移动通信网络,增厚网络可开放能力,形成完整的基础设施、平台和业务三层服务。
为什么从微基站这块做突破口?中国联通网络技术研究院无线技术研究部主任冯毅解释,原因有三:
第一,因为它部署比较灵活,更贴近用户。第二,它覆盖面积非常小,更加精准的针对于用户群体。第三,它能根据不同行业特点以及其他业务的需求,提供差异化服务。
中国联通对于微基站开放能力的演进路线,也有三个方面:
第一个是硬件方面,通过网络基础设施,中国联通的机房资源,包括设备储存计算以及维护的能力,将来都可以开放给行业用户。
第二个是网络数据信息方面,对于用户授权数据,包括他的位置、偏好、特征、包括他在网络上的各种数据,也可以进一步的开放。
第三种是对于一些差异化的网络服务,包括带宽、时延、QAS保障、以及平台业务等等。
中国联通希望以此为契机,打破传统网络屏障,探索实现多元化的业务和服务解决方案,推动移动通信网络与互联网应用的深度融合。通过探索微基站的开放能力,可以实现移动蜂窝网络能力和网络信息化投放,为移动通信服务产业链和所有参与方创造更多的市场机会,推动ICT产业的发展。
中国联通还宣布将联合华为、软通动力、四维图新和建飞科技,在山西、内蒙、北京、四川、湖北、重庆等地逐步开展基于微基站的移动网络能力开放试点。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。