


全球移动通信大会,2015年3月2日,西班牙,巴塞罗那 - 全球领先的智能互联系统软件提供商风河®公司与中国移动携手共同开发多个NFV工程项目,包括新建NFV测试实验室以及联合开发虚拟化Small Cell Gateway和C-RAN解决方案。双方共同致力于支持整个电信产业推进NFV部署,缩短上市时间,降低运营成本。
中国移动以OPNFV开源工程为基础建立了一个新的测试实验室,专注于通过集成化的开放平台来加速NFV的部署。作为亚洲地区唯一的实验室,这个OPNFV实验室配备了真实的网络访问环境,为基于开放标准的测试与集成工作提供了丰富多样的软件及硬件基础设施。拥有完备的环境,计划进行商业级NFV平台的测试与评估,这使该实验室可以为整个生态系统中广泛的合作伙伴提供众多的参与机会。风河公司是该实验室的创始合作伙伴之一。
双方联合开发的虚拟化Small Cell Gateway技术表明,通过NFV技术已经可以实现具备部署前景的数据面网元设备,在降低运营成本的前提下提高了网元功能与性能的可定制程度。伴随着数据流量呈现出指数增长趋势,虚拟化Small Cell Gateway正在成为扩大网络容量越来越有吸引力的途径。
以香港应用科技研究院的ASTRI Small Cell Gateway为典型代表,它作为Wind River Titanium Server上的一种虚拟网络功能(VNF),运行在英特尔架构之上,为移动核心网络提供信令卸载和移动数据管理功能,并且与Titanium Server一起进行了预先验证和优化。而Titanium Server就是运营商级的NFV基础架构,其设计目标就是满足电信行业“永不断线”的严苛要求。
中国移动研究院副院长杨志强指出,“电信行业正在引入NFV技术以便在快速新业务部署的同时最大限度地降低运营成本。然而,这不能以牺牲性能和系统可靠性为代价。运营商级的高可靠性要求必须得到满足。我们与风河合作在虚拟化Small Cell Gateway的项目是这方面的一次尝试。”
风河公司网络解决方案资深总监Charlie Ashton表示,“数据流量正在不断突破网络极限,而运营商也正在积极谋求部署NFV技术。NFV技术的复杂性来自诸多方面。要取得实质进展,就必须与中国移动这样的行业领先者合作。Wind River Titanium Server在一个经过验证的基石上为NFV基础设施提供了运营商级的虚拟化技术,让服务提供商能够获得新的灵活性、可伸缩性以及运营成本和能耗方面的效益。”
中国移动和风河为NFV部署而联合开发的C-RAN解决方案,提供了成功C-RAN的实用样板,具备纯硬件系统的性能,可实现从L1到L3的热迁移,并且满足ETSI NFV Industry Standards Group的要求。这套解决方案也将在全球移动通信大会上展出,其中的核心依然是Wind River Titanium Server技术,运行在带有专用硬件加速器的英特尔架构服务器中。这个虚拟基站NFV应用实例可以在近乎实时的环境中可靠地提供低延时、高性能的数据处理能力,而且是运行在一个多应用的虚拟化环境中。
中国移动研究院首席科学家易芝玲博士指出,“在利用NFV实现虚拟化C-RAN的过程中所遇到的一个重要挑战,就是以接近实时的性能可靠地进行高性能数据处理,而且必须运行在多应用的虚拟化环境之中。通过与风河的合作,我们成功研发了业界第一台支持LTE完整协议栈高实时需求的动态载波迁移原型机。这项成果令我们十分振奋,对未来与风河的合作充满期待。”
 0赞
 0赞好文章,需要你的鼓励
 推荐文章
 推荐文章
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。