科技行者 7月22日 北京消息:在上一篇文章中,我们提到了边缘网络时代生存的方法,讨论了边缘网络智能化的发展趋势。随着5G 等最新无线网络技术使得通信容量得到进一步提升,这种新型基础设施将有力推动创新应用的开发。此类应用大多采用高频活动模型,例如视频或传感器,其活动通常由设备自行发起,并产生大量跨网络移动的数据。据思科最新的可视化网络指数(VNI)预测, 2017 到 2022 年,全球移动数据流量将增加 6 倍,或相当于以42% 的年增长率增长,网络性能升级成为大势所趋。
无线卸载
存在密集的无线连接的网络该如何应对带宽和连接方面的巨大挑战?解决方案之一便是无线卸载。无论是拥有1,000 名顾客的大型零售商店,还是容量达 60,000 坐席的体育场,亦或是容纳 200,000名与会者的会议中心,所要传送的数据量都是巨大的。通过无线方式传输数据的成本在容量上已经达到了一个临界点,而这推动了通过有线 网络分流的传输需求的发展。这一趋势还对边缘网络的性能提出了更高的要求,以满足用户对高性能连接和低延迟反应时间的体验需求。
全新的性能需求
先进的无线接入技术加速了 5G 和 Wi-Fi 6 的部署,包括采用 MIMO 和更高的频谱技术。然而,不断出现的设备和新应用很快就会消耗掉所提供的容量。实际上,提供大带宽介入正是界定多千兆速率以太网的一个主要因素。这种新的性能需求将影响所有的网络层级,促使上行链路提高端口速度,以处理增加的访问带宽。此外,堆叠链路的容量也会提升,从而促进高效的端口部署,以及帮助应对附加客户端的增长。
网络容量的增加推动高带宽应用的发展,支持新兴的实时应用以及网络上并发活动设备的扩展。然而,颇具讽刺意味的是,由此形成的趋势和未来的创新动向又将继续对网络性能提出更高的要求。
性能是本系列文章所讨论的第二部分,该系列文章介绍了随着移动和云应用程序的激增以及网络功能从核心向边缘转移,不断发展的无边界园区所需要的基本技术。遥测面临的挑战和洞见将在接下来的边缘网络时代生存的方法中进行探讨。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。