随着智能终端和多种业务的蓬勃发展,未来无线网络将呈现密集部署、多样业务、异构网络并存的多样化形态。在复杂网络环境下,高弹性和可扩展网络技术的研究受到越来越多的关注与重视,网络虚拟化技术就是其中之一。
早期针对网络虚拟化技术的研究主要集中在核心网侧,如虚拟局域网(VLAN)、软件定义网络(SDN)、网络功能虚拟化(NFV)等。虚拟化技术在 核心网络侧已经得到了广泛应用,而随着未来5G无线网络业务需求的激增,无线接入网络侧虚拟化技术也逐渐被提上日程。无线网络相比有线网络更加复杂,需要 考虑信道的不确定性、干扰、信令开销以及高速移动性等问题,另外还需要考虑回传网络的容量和时延限制。
C-RAN是中国移动在2009年提出的无线接入网形态。C-RAN通过无线射频单元(RRU)拉远的方式,将基带处理资源进行集中,形成一个基带 资源池并对其进行统一管理和动态分配,在提升资源利用率、降低能耗的同时,还可以通过协作化技术来有效降低干扰,提升网络性能。目前,C-RAN集中化部 署技术已经成熟,并在国内多个城市现网中进行了规模部署。
针对未来5G网络的虚拟化技术,可以突破现有网络架构和协议标准等束缚,伴随着高频段频谱资源的大量开发利用,以及未来硬件和软件系统处理能力的不 断增强,无线网络侧虚拟化技术可以与已有的SDN和NFV技术结合,通过对网络资源(包括物理设备资源和频谱资源)的抽象和统一,将复杂多样的网络管控功 能从硬件中解耦出来,抽取到上层做统一协调和管理,构建一个更加灵活有效,同时低成本、高效率的全虚拟网络。
无线网络虚拟化是目前5G研究的热点和重点,通过资源虚拟化和控制虚拟化,可以将传统的静态网络转化成灵活高效的动态网络,与SDN、NFV等技术结合,更可以减少投资,保证低成本和高可靠性。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。