ZDNET网络频道 05月18日 北京报道:2015年5月18-19日,“2015全球未来网络暨SDN技术大会”在北京召开,ONF运营商领域总监朱红儒在大会上做了《用户主导的SDN技术全球更新》的主题演讲。
随着近年来ICT行业向“软件定义”方向的逐渐转型,SDN、NFV等未来网络技术愈发受到关注,运营商、芯片厂商、技术设施厂商、虚拟化厂商、软件厂商等越来越多的公司将目光投向SDN市场,欲在技术与产业成熟前抢先布局。
ONF运营商领域总监 朱红儒
朱红儒讲到,“我目前在ONF组织担任运营商领域总监,我今天报告的内容是用户主导的SDN技术全球更新。SDN我们在运营商里头会减少开支,促使我们去实施SDN。而我们目前看到主要的应用场景还是集中在大规模虚拟数据中心,原因是在这种应用场景存在着海啸式的数据,需要大量的带宽,对网络提出更高的需求。所以在这种需求下才产生了SDN的一些想法。那么在看ONF方面,有一个协议其中有各种API的接口。我们围绕这个制定了规范的制定工作和研发的工作。”
现在SDN成为很多企业的一个新的机遇,而围绕这个架构在应用层来讲,朱红儒介绍,ONF方面正在做很多事情。其中包括优化、实时业务的监控、分析、平台,等等各种的业务,另外还有OSS和BSS的分离。这些都是ONF各组正在努力做的一些事情。当然基础设施离不开芯片和光网络,这个也是SDN在ONF的研究重点。
此外,朱红儒讲到,ONF在SDN工作演进路线有两个阶段,第一个阶段是我们都知道的把传统网络放到这个SND网络当中。第二个阶段是混合式的网络形式。现在有的公司,如说谷歌已经快要达到这一步了。而阿里巴巴也在做相应的改变。所以各个公司其实有不同的演进路线在走。
而其实在现实的生活当中,我们是需要很多不同的SDN应用的。对此,朱红儒讲到,“比如说企业用户,包括校园网络、分布式校园网络的建设、BYOD,以及像中国移动、中国联通、中国电信等这些企业都在使用SDN技术,另外向流量导向,内容分发,包括云集中式的流量、大灾难的恢复以及多用户的这种建设,其实都已经在应用SDN。”
那么,ONF具体都做了哪些工作呢?,朱红儒介绍到,其实大家比较熟悉,这个数据是2014年10月8日之前的,通过对147家在全球的企业展开合作。而在世界上ONF也同样展开了和其他组织在合作,通过ONF掌握的大量技术,还有ETSI,可以从各种角度进行广泛的合作。然后ONF2.0现在已经到了可编程的阶段,其分为四个大域,主要是体现在对运营商的优势。然后有很多的架构、接口、开源的东西、制定规范,还有PIF以及市场的推广等工作都在同时进行。
朱红儒讲到,在过去的一年,ONF已经从制定规范到实时开发的阶段。在2015年也是会沿着这样的道路继续前进,也会有更多的东西参与进来。而2015年的重点在PPP,对OPEN进行扩展。而在NBI这块也是比较重要的,还有VNF,这是必须要完成的一些事情,在2015年还增加了很多项目,包括SDN做的两个接口,包括配置、数据库、集成,还会包括社区、社团等等。这个是2015年ONF方面整个发发展重点。
最后,针对SDN技术领域,朱红儒指出,“其实在网络方我们知道,有很多开原软件也在日益变的成熟,现在ONF也在对开源软件做一些开发工作。ONF的影响范围也在不断扩大,包括结构、规范,也包括一些领导层的广泛关注。有很多方向大家都可以进行合作,所以,我们很欢迎大家参与到ONF的工作中来,能够参与开源软件的开发等等这些项目。”
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。