基于英特尔RSD(Rack Scale Design)、浪潮InCloudRack融合架构整机柜服务器以及InCloud Openstack云管理平台的运营级NFV解决方案
MWC2017浪潮与中国电信、英特尔联合发布首个运营级NFV(Network Function Virtualization)整机柜解决方案。此方案基于英特尔RSD(Rack Scale Design)、浪潮InCloudRack融合架构整机柜服务器以及InCloud Openstack云管理平台,承载BSS和OSS等电信关键业务系统,将在中国电信网络重构过程中扮演重要角色。中国电信计划在区域和边缘的POP业务、移动核心网的NB-IOT业务等多个网络系统试用该方案。
现场展示的NFV解决方案,对以vIMS为例的NFV RACK综合承载能力,基于vBRAS的宽带用户接入与体验等多个应用场景进行了测评,展示了令人满意结果,并引起了广泛关注。中国电信广州研究院NFV技术首席架构师欧亮博士表示,此方案具备分层解耦的基础集成环境,以及资源池规模扩展和跨厂商兼容能力,支持各类固移虚拟化网元的敏捷部署,是运营商中首个自主设计的大型NFV整机柜专业设备,是网络重构中对设备演进技术的一次重要探索,为各类电信云的业务承载提供了运营级基础设施。
开放生态,从计算到NFV
伴随5G技术不断成为热议话题与行业聚焦点,NFV商用化正处于爆发的前夜,多数咨询机构曾预测NFV将于2020年实现大规模商用, 2016年中国SDN/NFV大会发布的《NFV产业发展白皮书》指出,未来五年,SDN/NFV国内市场规模接近2500亿元。而且,2017年将是继近几年小范围验证后的一个加速部署年,中国三大电信运营商均制定了各自的网络重构计划,并开始实施。美国运营商比如AT&T,加快SDN/NFV步伐,转型战略从5年缩短到2年。
NFV使得原有封闭专有的网络系统被虚拟化及通用x86硬件分层解耦替代,从而给传统的服务器产业带来增长空间。作为中国领先的计算方案和服务供应商,浪潮显然已经为抓住NFV机遇做好了准备,浪潮集团副总裁胡雷钧表示,NFV就是用计算重构网络,是ICT融合的主流实现方式。作为计算平台方案供应商,浪潮对传统的电信用户需求有着深厚的理解,在云计算、数据中心以及高可用方面都有着丰富的经验和成熟的方案,浪潮已经与诺基亚、西门子、思科等企业建立合作关系,将自己领先的计算技术与伙伴的业务方案相结合,共同为客户提供NFV整体方案。
浪潮NFV的互联网基因
本次在MWC上展示的方案并没有采用机架或者刀片形态,而是采用被互联网运营商大量部署的创新的下一代数据中心解决方案整机柜。这种形态的部署效率、部署密度、投资回报等都远远优于其他形态,仅是部署密度就可以提升了47%。浪潮希望将这一产品形态从互联网引入传统电信数据中心,让用户不仅实现网络架构的变革,也是同时实现数据中心层面的变革。
浪潮在互联网数据中心行业处于领先地位,是BAT等互联网巨头的最大服务器供应商,其整机柜服务器SR已经累积出货超过100000节点,市场份额超过70%。浪潮希望能够将服务互联网大型数据中心的经验和技术,用来服务电信运营商,创造新的客户价值。
此次方案搭载的英特尔®Rack Scale Design(RSD),也是针对下一代数据中心的重要技术之一。该技术可以实现计算、存储和I/O等不同类别资源的跨平台整合,并构建多厂商设备的统一管理平台,实现数据中心级别的统一管理。中国电信与英特尔以及浪潮共同展示的NFV解决方案,不仅验证了RSD能在部署复杂度、承载能力、灵活性、可靠性以及高可用性等方面提供电信级参考方案,也是运营商实施云化部署,推进网络转型的重要尝试。
浪潮将上述技术带到NFV领域,逐步扩大这些技术的应用范围,为运营商的网络转型提供更优的一体化解决方案,就是希望用户能够在从新部署的业务开始,逐步扩大这些技术的应用范围,从而最终实现数据中心的整体升级和变革。
NFV,变革或许刚刚开始
NFV虽然在商用应用爆发的前夜,但迄今为止,还没有统一的产业技术标准,各个厂商的技术事实上仍然是相对封闭状态,电信运营商网络的转型——将网络基础设施和应用从基于专有架构的传统设备转向基于开放、通用平台仍在路上。 浪潮胡雷钧表示,NFV仍然是一个充满想象的空间,但是可以肯定传统电信网络的DC化趋势越来越明显,传统电信行业与互联网行业对于计算方案的需求也日益趋同,ICT融合的大趋势会越来越明显,一个开放融合的产业生态会逐步形成,浪潮已经是OpenStack组织的黄金会员、OCP组织的铂金会员,正在申请加入OPNFV,浪潮将继续秉承开源,开放的态度,积极参与全球领域的NFV开源项目,协同产业伙伴,加速NFV产业生态成熟,助力运营商网络转型,迎接5G时代的到来。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。