VMware正在扩展自己面向通信服务提供商的产品线,推出服务管理和编排框架,该框架遵循O-RAN联盟关于简化和自动化无线电接入网络及其应用的指南。
无线电接入网络(RAN)是蜂窝网络中的无线电元素,它将无线设备连接到收发器,并最终到连接了互联网的核心网络。传统上说RAN是专有的,因为RAN需要低延迟和速度。O-RAN联盟正在倡导一项开放标准,以扩大RAN生态系统中参与者的数量。
在RAN领域的野心
VMware公司高级副总裁、服务提供商和边缘业务部门总经理Sanjay Uppal(如图)表示:“我们认为,你最终会看到VMware走在电信运营商部署RAN和核心网络的最前沿。我们正在扩大我们的领导地位,将我们在企业数据中心方面的经验和SD-WAN[软件定义的广域网]方面的经验结合在一起,成为RAN领域的事实上的标准。”
VMware还公布了一项技术预览,让通信服务提供商可以使用VMware Tanzu直接在没有安装操作系统的裸机服务器上运行分解的和虚拟化的RAN功能,这个代号Project Kauai 的计划针对的主要是那些需要灵活部署边缘设备的电信提供商。
Uppal表示:“这将是VMware的云平台,这样客户就可以选择他们是想要虚拟机管理程序还是裸机,获得和控制平面中运行VMware一样的自动化保障。你可以在裸机上运行云原生容器化应用。”
面向电信云的运营商级功能
VMware Telco Cloud Platform也得到了改进,可提供运营商级的智能网络和横向安全功能,例如分布式防火墙和入侵检测与预防,同时支持4G和5G核心负载平衡的能效用途。
这是VMware使用了去年夏天宣布推出的基于数据处理单元的加速功能所实现的,该功能使网络和安全功能能够从应用主机服务器卸载到专用DPU上,其结果是虚拟网络功能和云原生网络功能的网络和安全性能得到加速,同时网络可观察性得到增强,更多主机资源可供应用使用。
SD-WAN走向5G
针对企业客户,VMware正在向SD-WAN和安全访问服务边缘(SASE)产品增加新的和增强的远程工作者/设备连接和智能无线功能。此外VMware还扩大了与英特尔的合作,旨在提供基于5G连接的新边缘设备,支持涉及移动设备和物联网设备的SD-WAN用例。
VMware表示,VMware SD-WAN在底层传输之上使用虚拟覆盖网络,在毫秒内响应无线网络或有线网络问题,从而增强应用可靠性。SD-WAN和SASE服务都支持广泛的传输,包括LTE/3G、卫星传输、以及多协议标签交换(MPLS)以及宽带等有线传输。
VMware表示,在使用卫星和LTE时,VMware SD-WAN可以将语音和视频应用的客户体验质量提高40%多,该平台还通过根据VMware客户目前使用的100000多个蜂窝和卫星连接收集的、经验设计的自适应阈值,实现更高的网络利用率。
这些增强功能是VMware SD-WAN和SASE平台与运营商管理平面API以及AIOps实践相集成的先驱,其目的是利用5G通过网络切片和RAN智能控制器集成进行高级服务定制。反过来,服务提供商可以更好地应对企业WAN市场。VMware要求选定的客户和合作伙伴跨远程用户和边缘设备用途评估VMware SD-WAN Client。
联手英特尔和三星
VMware和英特尔的合作旨在帮助企业更有信心地转向无线网络,作为现有有线连接的增强或者替代选择,同时还可以支持更多的SD-WAN用途,包括车辆、自动柜员机和物联网设备。VMware推出的新设备中,首先就是使用低功耗Intel Atom C系列处理器的小型分支机构单元。
最后VMware 表示,正在扩大与三星的合作,将三星兼容Open RAN的虚拟化RAN产品与VMware Telco Cloud Platform进行集成,作为Dish Network 5G网络建设的其中一个组成部分。
VMware表示,该拓扑结构经过测试且完全具有可互操作性,可以帮助CSP加速和简化大规模Open RAN部署,同时降低网络成本。VMware还与三星展开合作,为5G Core提供VMware Telco Cloud Platform支持。VMware负责移动网络中的一些关键功能,例如用户平面、网络切片选择、会话管理、访问和移动性。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。