近日,英特尔和VMware宣布,他们正在为虚拟化无线接入网络(RAN)合作开发一个集成软件平台,以加速现有LTE网络和未来5G网络的部署。随着通信服务提供商(CoSPs)不断升级其网络,支持未来5G网络的部署,他们正越来越多地采用软件定义的虚拟化基础设施。核心网络的虚拟化,已经助力通信服务提供商改善了运营成本,更快地将服务推向市场。英特尔和VMware扩大合作,旨在为通信服务提供商提供更短的开发周期,并能跨多种设计进行扩展。
许多通信服务提供商正在拥抱开放的、分布式RAN架构的创想,这种架构可以给他们带来更大的灵活性和更多选择,以及通过可编程性创建和部署新服务,这些服务需要细粒度的无线电资源控制和动态切片以提供差异化的体验,例如云游戏和云控制的机器人。这项合作旨在简化步骤,减少创建可部署虚拟RAN解决方案所涉及的集成工作。
英特尔和VMware将与一个广泛的生态系统合作,包括电信设备制造商、原始设备制造商和RAN软件供应商,帮助通信服务提供商更容易地在vRAN平台上构建特定用例。作为这项工作的一部分,英特尔和VMware将合作构建可编程的开放式接口,利用英特尔的FlexRAN软件参考架构和VMware Ran智能控制器(RIC),助力采用人工智能/机器学习来开发创新的无线网络功能,用于实时资源管理、业务量定向和动态切片。这反过来将有助于优化体验质量(QoE,Quality of Experience),以便推出全新5G垂直用例。
“随着全新5G服务的推出,许多通信服务提供商选择将网络虚拟化的益处扩展到RAN中,以获得更高的敏捷性,但是软件集成会相当复杂。”英特尔公司副总裁兼网络平台事业部总经理Dan Rodriguez解释说:“凭借集成的vRAN平台,加上英特尔与VMware的领先技术和专长,通信服务提供商将能够从其网络边缘加速部署的创新服务中受益。”
“全球的通信服务提供商都依赖于VMware的电信云平台来部署和管理其各式各样的核心网络功能。当他们考虑将软件定义的基础架构扩展到RAN上时,在单个平台上交付全部网络功能,将带来非常大的好处,” VMware执行副总裁兼电信与边缘云总经理Shekar Ayyar表示:“通过集成平台,通信服务提供商将能够跨越相同的电信云架构(从核心网到RAN)部署全新的网络功能,助力实现在5G网络中更高效交付服务所需的规模和敏捷性。”
英特尔和VMware正在与通信服务提供商以及电信设备制造商、原始设备制造商和RAN软件供应商密切合作,以加快其虚拟化解决方案的上市时间。
德国电信,总部位于德国波恩的世界领先综合电信公司之一。德国电信已经在测试由VMware和英特尔构建的vRAN解决方案,该解决方案针对实时、低延迟工作负载进行了优化。德国电信战略与技术创新(STI)高级副总裁Alex Jinsung Choi表示:“我们正处于与VMware和英特尔合作进行vRAN平台部署的验证阶段,我们认为这可以赋予现有LTE和未来5G网络的无线接入网络(RAN)敏捷性。英特尔和VMware扩展合作伙伴关系,为全球通信服务提供商带来开放和虚拟化的RAN解决方案的价值,这是非常令人鼓舞的。”
沃达丰集团是一家全球性电信公司,在25个国家拥有移动运营业务,在19个市场拥有固网宽带业务,目前正与VMware合作以支持其在全球推出虚拟网络功能。沃达丰集团网络架构负责人Yago Tenorio表示:“VMware和英特尔携手提升通用计算平台的性能,以运行强劲的RAN工作流,并助力简化产品集成的复杂性,这潜在可以确保OPEN RAN更快发展成熟。同时它也可以赋能加速无线电智能控制器(RIC)领域的发展。这一进展契合沃达丰最初OPEN RAN合作伙伴愿景的核心,即让合作伙伴在我们的领域中表现出色,同时也让更广泛的社区受益。”
作为技术创新和业务转型方面的全球领导者,戴尔科技在为电信行业提供全栈、定制的IT解决方案方面拥有丰富的经验,并帮助网络运营商更快、更高效地提供新产品和服务。 “通信服务提供商希望通过在行业标准硬件上采用软件定义的基础设施来实施云操作模式,并对其网络进行分布。”戴尔科技电信事业部总经理Dennis Hoffman表示:“通过使用戴尔的计算产品组合以及来自VMware和英特尔的集成平台,我们可以用更敏捷的方式满足他们的需求。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。