——Cristina Rodriguez,英特尔公司数据平台事业部副总裁兼无线接入网络部门总经理
如今,5G的快速发展和不断增长的数据量为通信服务提供商(CoSP)带来明显压力,因为他们必须在满足容量需求的同时为最终用户推出差异化服务。鉴于此,CoSP正在探索虚拟化和云原生的网络解决方案,来打造能够充分释放5G潜能所需的性能和灵活性。
英特尔与爱立信在加速虚拟化无线接入网络(vRAN)部署方面进行长期合作,并取得了最新成果,即针对中频段频谱推出的爱立信Cloud RAN。我们共同交付了凸显各自公司产品组合优势的新技术。
我们此次合作的核心是共同致力于推动生态系统和电信行业实现5G部署。自2016年以来,爱立信一直与我们合作,并通过在英特尔至强服务器上虚拟化RAN工作负载,为基于英特尔的RAN建立坚实基础。我们的共同努力建立在物联网、云和5G的技术进步之上——从核心到RAN再到边缘网络。
我们近日参与的合作项目包括爱立信开放实验室(包括中频段)5G 用例驱动型解决方案的孵化。随着我们继续努力兑现5G承诺,将英特尔的计算和处理能力与爱立信RAN算法和软件知识产权(IP)相结合,我们将能够帮助制定多代云原生RAN解决方案路线图。
超强Cloud RAN解决方案的多功能应用
虚拟化RAN的概念将网络技术从专门构建的硬件转移到通用计算平台上。虚拟化RAN构建在云原生架构中,其中云原生网络功能可在包含生命周期管理、弹性和可观察性等关键元素的容器中运行,并最终带来一个灵活、可扩展、敏捷的平台。
随着2020年10月Cloud RAN的问世,爱立信推出一款可被引入专用网络的vRAN解决方案。这个概念称为bluefield部署,它让CoSP能够将Cloud RAN部署到预置网络中,并充分利用两种网络架构之间的互连互通优势。此外,Cloud RAN还支持新站点构建或绿场部署。最终,爱立信Cloud RAN解决方案可在任意情况下提供适应性极强的架构和部署选项。
诸多英特尔技术和代号为Sapphire Rapids和Granite Rapids的下一代英特尔至强可扩展处理器系列被应用于爱立信中频段Cloud RAN解决方案当中。我们的处理器旨在为客户提供可满足现代网络工作负载需求的性能、效率、多功能性和信任。
虚拟化RAN架构变革赋能高性能5G
人们之所以对虚拟化和云化RAN感兴趣是因为大概10年前在核心网络中看到了类似的益处。通过不断发展虚拟化RAN架构,CoSP可以获得更高的敏捷性和灵活性,以支持全新5G用例和边缘服务的引入。
凭借在网络虚拟化领域10多年的经验,英特尔正在全球率先推出vRAN。业界已经看到利用英特尔技术进行vRAN早期商业部署的优势。我们正在提供英特尔®至强®处理器、加速器、FPGA 和以太网适配器来支持全球网络部署。服务提供商看到了与英特尔以及我们合作伙伴一起加速创新的潜力,这使他们的网络得以现代化,以便提供增强服务,将人工智能引入RAN,并为消费者和企业提供全新产品。
致力于释放云原生RAN创新潜力
英特尔和爱立信正在开创vRAN领域的新天地,并不断推出融合各自产品优势的创新技术。通过继续与爱立信合作优化英特尔加速器技术以及爱立信RAN处理和算法,两家公司可以提供在最苛刻的RAN环境中所需的高性能。随着我们不断向前发展,英特尔致力于加强与爱立信以及整个生态系统的合作,从而开发出面向现在和未来的强大的、全面的RAN解决方案。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。