4月14-15日,由 SDN/NFV/AI标准与产业推进委员会主办的中国云网智联大会(原中国SDN/NFV/AI大会)在北京盛大召开,作为SDN/NFV/AI委员会的理事长单位和发起成员之一,紫光股份旗下新华三集团已经连续七年以最高规格参加此会议。
构筑智能联接,共赢云智时代
“数据是云智时代的关键生产要素,联接让数据流动,激活数据价值,是云智时代的坚定基石。”在大会主论坛上,新华三集团副总裁毕首文讲道。联通数据孤岛、挖掘数据潜力,数字化转型才能真正进入数据价值化的发展时代。
新华三集团副总裁毕首文
一直以来,新华三集团持续构筑智能联接网络,期待以智能、融合、极简、可信、超宽的联接,服务于云智时代下的业务变革。在智能方面,新华三以全面SDN化助力银行网络全面数字化发展;在融合方面,新华三推动网络承载技术融合,助力运营商新型城域网建设;在极简方面,新华三采用AD-WAN提升带宽利用率,助力邮政公司数字化转型进程,实现智能运维和自动化部署;在可信方面,新华三配备专业的安全服务,助力金融机构提升安全能力;在超宽方面,新华三400G产品助力互联网客户增速降耗。
如今,凭借完备的400G产品序列、云化集群路由CR19000和28款Wi-Fi 6产品等新装备,新华三集团能够满足各行业对全场景智能联接的升级需求。不仅如此,新华三坚持“软硬实力两手抓”,云智原生操作系统Comware v9平台正式上线,智擎600系列自研网络芯片-智擎660也启动商用,为网络设备迭代创新提供了有力支撑。
大会上,毕首文还预测了智能联接的三大趋势:一是业务牵引着资源发展需求,二是云计算实现资源初步协同,三是数据流动加速资源协同。未来新华三集团将继续通过智能联接加速网络资源利用率,促进数据有效流动。
云安全2.0提供全栈全场景云化安全能力
随着云计算井喷式增长,公有云/混合云规模持续扩大,伴随而来的是诸多安全问题。为应对业务上云带来的安全问题、多云/混合云环境安全面临新的安全问题以及中小企业如何破解防护效果与成本矛盾难题,在云网安全论坛上,新华三集团安全产品线云安全产品总监韩小平分享了新华三最新发布的云安全2.0战略。
新华三集团安全产品线云安全产品总监韩小平
新华三集团云安全2.0依托丰富的原生安全服务,同构混合的安全能力,多云安全统一管理,以及AI in ALL的安全进化,打造出全栈全场景的云安全能力,致力于帮助上云用户实现安全随享的云端安全。
AD-NET6.0加速企业数字化转型
在云网智能论坛上,新华三集团网络产品线智能管理与运维产品规划部总监刘恒胜分享了主题为“新华三云智原生AD-NET6.0加速企业数字转型”的演讲。在近期召开的领航者峰会上,新华三发布了智能联接的核心中枢系统,AD-NET6.0解决方案。秉持以业务为中心、应用驱动的理念,AD-NET升级了六大关键能力,通过统一的云智原生数字底盘能力,全域融合、业务协同的能力,可全栈透视的应用洞察能力,针对场景化的网随意动能力,全网、全生命周期保障优化的复合孪生能力以及可自主构建支撑敏捷体验能力,提供更加方便、高效率的交付方式,打造由内向外、从下至上的应用驱动网络解决方案。
新华三集团网络产品线智能管理与运维产品规划部总监刘恒胜
大会期间,新华三应用案例“AD-DC助力北京移动平台云建设”项目引领用户智能联接创新,成功赢得本届会议的“应用创新奖”。
新华三集团网络产品线智能管理与运维产品管理部部长赵晓丹上台领奖
面对“数字定义世界、软件定义未来”的新时代,新华三集团通过对“数字原生”趋势的深刻洞察以及领先的产品、架构及解决方案,致力为百行百业打造具备超宽、智能、极简、可信四大基本特征的智能联接网络。未来,新华三将以全新的“云智原生”战略和“数字大脑2021”持续赋能行业用户向数字化、智能化应用新阶段迈入,释放智能联接价值,为数字化转型提供强大的智能联接原力。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。