随着实时媒体工作流程在设施、合作伙伴网络和云环境之间日益分布化,技术进步正在运营域之间创建可编程的分界点。基于这一动态趋势,Net Insight推出了可编程信任边界技术,使实时媒体互连在设施、网络和云环境之间传输时变得可预测。
解释此次发布的背景,Net Insight表示,随着实时制作变得越来越分布化,媒体网络流量必须在运营域之间无缝移动。该公司补充说,虽然IP网络提供了灵活性,但它们缺乏固有的限制,这使得大规模可预测的实时操作变得困难。
"IP网络是为灵活性而设计的,而非可预测性,"Net Insight产品经理Damien Nagle表示。"现代媒体工作流程中的真正挑战是在实时媒体流量在运营域之间移动时对其进行控制。信任边界引入了受控限制,使大规模IP制作变得可预测和可自动化。"
信任边界引入了受控的IP分界点,将互连从手动网络配置转变为可编程和确定性的基础设施。它们本质上允许广播公司和版权持有者管理媒体流,维持确定性低延迟性能,并通过共享基础设施安全连接多个组织。
信任边界集成到开放媒体平台中,由Nimbra Live Intelligence提供支持,为大规模实时制作实现自动化和受控的IP域互连,代表了传统媒体网关之外的"下一个进化"。
为复杂的多域实时环境带来系统级智能、自动化和服务级控制,信任边界支持未压缩视频和JPEG XS等格式,每个机架单元可达800 Gbps。
新技术的其他核心功能和关键能力包括:具有开放API的可编程信任边界;与开放媒体平台集成;集中控制;自动化IP域互连;IP环境之间的域转换;支持未压缩和JPEG XS;确定性低延迟性能;按流保护(SMPTE ST 2022-7);用于基于标准编排的网络媒体开放规范(NMOS)控制媒体流;严格的按流和按聚合带宽管制以保证服务质量(QoS)。
信任边界使用基于标准的开放API进行系统集成和编排,还旨在实现自动化服务配置和媒体端点的动态控制,同时维持确定性低延迟网络性能。
服务可以使用一致的应用程序和用例定义进行部署,在网络和端点之间产生可预测的行为。通过Nimbra Live Intelligence运行时,信任边界在分布式制作环境中提供集中可见性和自动化。
作为开放媒体平台的原生组成部分,信任边界将传输、安全分界和媒体适配结合成一个为实时媒体优化的统一系统。这据称能够在设施和合作伙伴网络之间实现真正的IP互连,而不会出现传统媒体网关的复杂性和扩展限制,促进向大规模原生IP互连的过渡。
Net Insight表示,组织现在可以直接通过IP进行互连,同时在域边界保持可预测的控制,而不是部署将IP媒体转换回SDI以确保安全性和互操作性的网关。
信任边界还被视为能够保护多组织互连中心,广播公司、附属机构和合作伙伴可以直接连接到共享网络基础设施,同时保持完全分离和受控。
Q&A
Q1:Net Insight的信任边界技术是什么?
A:信任边界是Net Insight推出的可编程IP分界点技术,它将互连从手动网络配置转变为可编程和确定性的基础设施,使实时媒体在设施、网络和云环境之间传输时变得可预测。
Q2:信任边界技术能解决什么问题?
A:该技术主要解决现代媒体工作流程中实时媒体流量在运营域之间移动的控制问题。IP网络虽然灵活但缺乏固有限制,使大规模可预测的实时操作困难,信任边界引入受控限制使大规模IP制作变得可预测和可自动化。
Q3:信任边界技术有哪些核心功能?
A:核心功能包括具有开放API的可编程控制、与开放媒体平台集成、自动化IP域互连、支持未压缩视频和JPEG XS格式、确定性低延迟性能、按流保护、严格带宽管制保证服务质量等,每个机架单元可达800 Gbps。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。