新一轮科技革命和产业变革正在持续推进,传统网络“尽力而为”的技术架构已经难以支撑生产型互联网及新兴业务的迫切需求。随着“东数西算”等国家级ICT新基建建设序幕拉开,搭建“准时、准确”数据传输服务的新一代网络已经势在必行。
就工业数字化转型来说,确定性网络作为生产型互联网的关键技术,其TSN(时间敏感网络)因具有高可靠、低延迟、低抖动的优势,可以提供微秒级确定性服务,很好地保证了工业互联网等场景的实时性需求,成为工业互联网向下一代发展的业界共识。
近日,紫光股份旗下新华三集团与未来网络创新研究院等单位强强联手打造方案,取得了阶段性的成果。
技术实力广受认可,新华三强化行业领导者地位
在广域确定性网络的探索与实践中,新华三集团与江苏省未来网络创新研究院紧密配合,开展了多层次、多维度的技术交流。在异地联合测试中,各场景均实现了确定性流的时延抖动控制在15微秒以内,在业界率先突破了确定性流和非确定性流并存的问题。
中国信息通信研究院测试结果表明:在12G确定性+80G背景流量高负载下,经过上千公里的传输,由新华三高端路由器构建的确定性网络确定性流量平均时延抖动6微秒、最大时延抖动仅为14微秒,完全可以支撑产业互联网场景下的各种应用,实现了广域网端到端确定性流量抖动低于20微秒的研究目标,各项指标达到国际先进水平。
新华三集团的确定性网络新方案在时间进度和交付成果上均超出预期,得到了未来网络创新研究院的肯定和认可。此次确定性网络的技术落地,为国家产学研合作树立了新的标杆。
随着工业数字化转型的不断加快,5G+确定性网络为数字经济和工业产业发展提供了新型网络基础设施支撑,不断催生出新模式、新业态和新产业。新华三集团将着眼工业互联网产业未来发展,基于TSN与传统垂直行业深度融合、与5G深度融合的发展趋势,持续加大技术研发、应用推广等方面的投入,积极完成方案实践测试。
把握先机提前布局,新华三实力领跑工业交换机市场
新华三集团从2015年便积极参与产业数字化工作,完成从工序数控化到工业互联网的转型,并将TSN技术与自身的硬件设备相结合,在TSN的产品打造、标准贡献、技术融合等多方面都取得了阶段性进展。2020年,新华三先于行业发布支持TSN技术的工业交换机产品IE4320,并在业内率先商用。这款产品由新华三内部多部门协同研发,支持802.1AS(时钟同步)、802.1Qbv (时隙控制)、IEEE 802.1Qcc(与CNC控制器配套时的Netconf接口)等10余项TSN技术。新华三也成为为数不多的支持多TSN协议的厂家之一。

图为支持TSN技术的工业交换机产品
深度参与标准制定推动确定性网络生态建设
工业互联网作为确定性网络的重要应用场景,要实现快速发展,就需要构建灵活统一的技术架构并融合相关新技术,来推动确定性工业网络不断演进。
新华三集团积极参与协议标准生态推动,先后加入中国通信标准化协会(CCSA)、工业互联网产业联盟(AII)、CC-Link合作伙伴协会(CLPA),并参与了确定性网络相关行业标准、白皮书的制定工作,贡献了《工业互联网 时间敏感网络集中网络配置技术要求》、《TSN技术白皮书》、《工业互联网 时间敏感网络交换机技术要求》等,参与推动TSN交换机和CNC控制器生态构建。
积极实践TSN技术,推动5G+确定性网络融合落地
5G为数字经济的发展注入新动能。作为工业互联网的重要赋能载体, 5G+TSN的融合也是大势所趋。新华三深挖行业需求,推出5G工业网关、5G小基站、边缘计算等产品,可支撑端边云“一揽子”的解决方案,将5G深入推向生产关键环节,与TSN等网络技术无缝融合实现有线无线网络一体化。结合新华三iMC智能管理平台,实现融合网络的统一调度、统一管理,满足智能工厂网络化分布式的生产设施布局要求。
新华三基于“云智原生”战略和不断进化的“数字大脑”,继续开放生态合作,融合5G、TSN、SRv6等关键确定性网络技术,挖掘行业用户需求,构建面向工业互联网的AD-NET确定性网络方案,为工业互联网的推广普及提供支撑。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。