开放式移动网络将推动并加速未来关键领域的数字化转型
数字化和技术已经彻底改变了我们的世界,也改变了地球上几乎每个人的生活。随着无线数据需求的持续增长,移动连接和云技术在日益移动化的演进过程中发挥了重要作用。爱立信近期发布的移动报告预测,到2029年,数据流量将增长三倍,达到每月403 EB1。
如今,提升数字化转型需求的主要动能包括更高水平的AI和自动化需求、意在脱碳的可持续运营、弹性供应链,以及在企业和行业应用中追求效率、生产力和更佳客户体验。为满足这些需求,移动运营商必须提供无处不在的高性能移动网络。这些网络必须能够提供差异化价值主张,围绕特定应用和用例中最重要的方面进行优化。例如,在活动中根据媒体广播公司的需求提供按需保质的服务(QoD),确保XR体验或自动驾驶汽车的低延迟,以及把位置信息用于物流或反欺诈应用。
高性能网络是数字化变革的基础
要将设想中的未来转变为现实,需要移动运营商为大量的企业和开发者提供无处不在、高性能、差异化的网络功能,使得他们可以在这些网络的强大功能基础上进行创新和开发。通过融合云和传统的无线接入网(RAN)技术,移动运营商可以更好地进行优化,以实现更高的性能和能效。
当移动运营商通过API展示其网络的可编程性时,他们可以借助广泛的开发者和企业来加速创新和价值创造。这种加速将使移动运营商能够实现网络产品的差异化,并拓展出新的营收来源。它还将开启基于性能的商业模式,通过差异化的连接层,在恰当的时间以恰当的价格,为用户提供恰当的性能,以满足消费者和企业之间的动态需求。采用可盈利、可持续、弹性的5G网络是下一代网络技术的基础。
云原生和开放标准代表了网络的未来
借助高度的灵活性和可拓展性,移动运营商可以开发先进技术,最大限度地利用频谱资产,推动网络发展,以满足未来需求。通过采用基于开放标准的云和AI原生网络(如开放式RAN),移动运营商可以充分利用云基础设施固有的灵活性和可扩展性。例如:
作为通用云计算和电信领域的市场领导者,英特尔和爱立信正携手合作,实现开放式架构的产业化。云原生开放式网络实现了在最节能的地方处理从边缘到云的数据。反过来,这也对网络、设备、边缘和云之间进行了优化,使应用程序和服务能够使用网络功能。
凭借在云计算和网络解决方案领域的深厚专业积累,英特尔和爱立信携手为5G和6G基础设施打造差异化的产品。双方的合作包括,联合研究全新AI原生功能,建立爱立信-英特尔联合实验室,在这里,双方将共同努力,提高能源效率,提升网络性能,并缩短上市时间。英特尔和爱立信的合作已使移动运营商从中获益,其中一个典型案例是爱立信Cloud RAN 解决方案,它搭载了集成英特尔® vRAN Boost的第四代英特尔®至强®可扩展处理器,并采用了英特尔®以太网产品。在核心网方面,双方还基于最新英特尔至强处理器,优化爱立信的双模5G核心网软件,以实现高性能和高能效。此外,正如之前宣布的那样,英特尔和爱立信之间的战略合作还涵盖了爱立信的5G系统级芯片(SoC),它采用Intel 18A制程工艺和制造技术,适用于未来5G网络。
英特尔和爱立信也在推动制定支持互操作性和通用行业基准的全球标准。此外,我们还在3GPP、IETF、Linux基金会和O-RAN联盟等组织层面做出了积极的、持续的贡献。
AI和网络自动化为移动运营商及客户带来价值
专为满足电信行业不断发展的需求而创建的AI赋能功能和解决方案的诞生,正在产生令人振奋的新机遇。开放、灵活的AI模型将简化最复杂的多供应商和多技术网络,并让移动运营商能够:
作为通用云、电信和AI加速技术的市场领导者,爱立信和英特尔在未来的网络方面有着共同愿景,并且都致力于推进创新的发展。移动网络将推动并加速未来关键领域的数字化转型:AI和自动化、可持续性、脱碳、弹性供应链、工业和行业生产力,并帮助企业提供更佳客户体验。我们相信,下一个电信时代将建立在基于云原生和AI原生的开放网络之上,移动运营商将会看到收入和盈利能力的大幅增长。
说明:
1. 爱立信移动报告。爱立信,2023年11月。
英特尔不控制或审核第三方数据。在评估数据准确性时,请参考其他信息源。
实际成本和结果可能不同。
英特尔技术可能需要支持的硬件、软件或服务激活。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。