2015年4月15日,中国领先的应用网络及交付解决方案供应商——北京太一星晨信息技术有限公司(以下简称太一星晨)宣布,正式发布全新的TOMP(T1Network Open Multi-service Platform)开放式多业务平台。
太一星晨TOMP开放式多业务平台
TOMP开放式多业务平台是适用于传统大中型网络边界、云数据中心、SDN及其他新业务环境的网关产品。在硬件Hypervision虚拟化技术、tSwitch富特性软交换、T比特高性能硬件平台、四七层负载均衡等技术的支持下,TOMP开放式多业务平台首次实现了软硬件解耦合、弹性资源管理业务功能软件定义等特性,可为大中型行业客户提供最具开放性、前瞻性及敏捷性的边界网关及多业务网络平台解决方案,并满足客户对于性能、管理和可扩展性的要求。
太一星晨CEO印朝晖
太一星晨产品总监于振波表示:“传统的多业务网关试图用多进程或多板卡的方式满足用户对于应用网络的全部需求,但这种模式有着无法解决的弊端,就像十年前的功能手机一样,所有模块均依赖于单一厂商的开发能力,永远无法满足用户对多业务网关客制化、敏捷性及专业性的要求。太一星晨TOMP开放式多业务平台则像现在的智能手机,用户可按需选择并在TOMP平台上轻松部署任意厂商的软件网关。”
太一星晨产品总监于振波
从客户价值角度,太一星晨TOMP开放式多业务平台具备如下特色优势:
1、 开放性
在T比特级处理能力的专用硬件平台上,基于IntelVT-X/VT-D技术的硬件级Hypervisor虚拟化,提供计算资源及IO资源完全独立、相互完全隔离的标准虚拟化运行环境,任意第三方厂商基于标准KVM或Linux的软件网元无需修改均可直接部署使用。TOMP平台最多支持200个完全隔离的功能网元。用户可根据自身业务需求任意定义TOMP平台,这是业界第一款完全开放、用户自定义功能属性的多业务网关解决方案。
2、 弹性
太一星晨TOMP开放式多业务平台提供了充分的处理弹性以满足用户业务演进的需求。TOMP平台既可以通过计算资源动态分配的方式提高任意功能网元的处理性能(Scale IN),也可通过增加业务处理板卡的方式成倍提升整机处理能力(Scale UP),并支持最多32台设备的集群部署(Scale OUT)。
3、 敏捷性
在TOMP开放式多业务平台上,太一星晨独创性的实现了软硬件双交换矩阵架构。1.2T交换容量的硬件交换矩阵与具备负载均衡、四七层流量管理功能的tSwitch软交换矩阵相互配合,为用户提供最佳的流量及网元敏捷性,并快速完成功能网元的测试及部署,第一时间满足业务网络需求。
例如,传统环境下,用户如果需要新增Web应用防火墙以满足安全防护及合规需求,其测试、部署周期通常以月计算,而且测试结果与实际业务环境很难完全匹配;而在TOMP平台中,仅需数小时即可同时部署多个厂商的Web应用防火墙试用网元,并通过tSwitch向试用网元分配部分流量快速完成实际环境测试,整个测试及部署周期数天即可完成。
4、 软件定义
太一星晨TOMP开放式多业务平台不仅能完全替代传统多业务网关的部署需求,同时还是符合SDN及NFV特性的软件定义网关。TOMP开放式多业务平台提供符合SDN标准的API,满足标准SDN控制器的管理需求,可在采用SDN技术的新一代云计算中心轻松部署。同时,TOMP开放式多业务平台未来将提供符合NFV标准的北向和南向接口,作为NFV架构中同时具备高网络吞吐和高计算能力的通用基础资源承载各类业务网元。
太一星晨研发总监冯晓杰认为:“以TOMP平台为代表的软硬件解耦、处理资源池化且完全开放的多业务平台代表了应用网络演进的趋势,也代表了整个ICT行业的发展趋势。无论是SDN还是云计算,无论是NFV还是TOMP开放式多业务平台,都是这种趋势的最佳实践。”
太一星晨研发总监冯晓杰
在产品发布会上,太一星晨宣布,TOMP开放式多业务平台目前已完成数十款业务网元的实际部署测试,并与十余家应用网络厂商达成战略合作。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。