科技行者 3月28日 北京消息:去年秋天的华为全连接大会,华为轮值董事长徐直军宣布了全面推动普惠AI的战略。时间还未过去多久,在华为中国生态伙伴大会2019期间,华为的普惠AI又在云管理网络领域得到了应用体现。
在这场名为 “极智极速,共聚云端”云管理网络春季新品发布会上,华为宣布了云管理网络基于新平台、新产品和新生态的三大创新升级。
· 新平台:华为此次在云平台上发布CampusInsight,通过大数据分析和AI+算法,帮助企业实时感知网络,预测性智能运维,真正提高运营效率。此外,华为推出移动版CloudCampus APP,免费提供给集成商和合作伙伴使用,可以在手机上快速开局,一键验收和移动运维,还贴心推出各种小工具,把网络部署运维变得前所未有地简单和方便。
· 新产品:华为云管理网络提供了Wi-Fi 6设备云网规,云部署和云运维,特别适用于大型公共场所、高密场馆、电子教室等大带宽、低时延的无线场景。
· 新生态:为了方便合作伙伴易集成预集成,华为帮助技术合作伙伴把创新应用发布到华为云“企业应用”专区,最终用户可以在华为云上一站式购买。
其中第一项,AI智能运维高级服务CampusInsight,就是面向云管理网络的普惠AI。
众所周知,在 ICT 融合的时代,网络的重要性日趋增加,但同时网络管理的复杂度也在同步增加,这时候,园区/企业的 IT 部门,已经不能再用老办法来应对新问题。
而 AI 就是一种新办法。正如华为数通产品线园区网络总裁赵志鹏强调:“未来的网络一定具有极简和AI的能力,能主动感知业务变化,及时预知网络隐患,助力企业构建万物互联的智能世界。”
华为数通产品线园区网络总裁赵志鹏
因此,华为希望结合多年来深度服务客户的专家经验,再结合基于 AI 算法的自动化手段,来降低客户的“体力活动”负担,从而提高网络的交付能力,而有了这样的 AI 赋能,网络管理就从原来的以网元为中心,变为以客户为中心。举例而言,这张“智慧网”,可以通过感知客户的实时需求,实现诸如识别终端进行优化、加速应用等能力,让客户体验更好。
华为云网络管理之“新平台”
当然,华为的宗旨是普惠AI,这张“智慧网”,不是成本上升导向的,而是客户所能及的,是面向体验优化的。
在“新产品”方面,无线网络设施正在进入新一轮更新换代,而 Wi-Fi 6 正是最新的技术标准。与前一代Wi-Fi 5相比,应用了蜂窝网络 OFDMA 技术的Wi-Fi 6,能够实现更高的传输效率和更低的网络延迟。赵志鹏介绍,现在市面上的路由器都是Wi-Fi 5,还停留在办公场景和一些上网场景,但 Wi-Fi 6 有无与伦比的技术优势,将渗透到更多生产场景,包括cloud VR,自动化工厂,以及要求严格的仓储场景等,都是wifi6的用武之地。华为有强大的算法实力,有自己的天线设计实验室,在运营商无线有30年的技术积累,在标准组织里,25%的提案是华为提的,位居第一位。“华为希望抓住 Wi-Fi 6 这个机遇,带给客户、带给企业一个最好的无线网络用户体验。”
华为云管理网络之“新产品”
然而,再先进的理念也需要扎根市场的合作伙伴,才能在用户端更好的落地,因此就有了“新生态”。
这场会上,华为云管理网络联合5家总代宣布了千家伙伴招募计划,计划包括华为面向合作伙伴提供的众多利好政策,专业培训支持和线上线下联合营销支持。华为预测,2019年,华为云管理销售预计将实现 5 倍快速增长。
华为中国区企业数通销售部部长毕进军介绍,对于伙伴的价值,除了商业回报,华为云管理网络也帮助伙伴实现自身业务转型。第一,从传统的“卖盒子”转型为“面向整体解决方案”;第二,从“卖硬件”到“面向服务”。企树CEO王振宇表示:“基于华为云管理网络平台,企树为客户提供了端到端的智慧办公解决方案,让企业运营效率和员工满意度大幅提升。”任子行产品总监陈浪表示:“基于华为云管理网络的网络风险管理与安全合规解决方案,服务了中国上千家的客户,让无线上网更安全。”
IDC曾经预测,到2020年,全球云管理网络市场的规模将达到112亿美元,年复合增长率高达50%。在企业上云的大潮下,网络云化所能提供的价值将无比重要,必将成为引领未来网络发展的新引擎。
点击注册千家渠道招募链接:https://www.huaweicloud.com/product/cmn.html
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。