为加速实现向软件定义网络的变革,英特尔公司于昨天在京举办了主题为“芯启互联,变革网络”的英特尔软件定义创新产品发布会,宣布推出全新产品和产业协作计划,旨在加速行业向更加灵活且实现Cloud-Ready的通信网络进行迁移。这种网络能够满足当今企业对于全新通信、云计算和数据中心服务的需求,并可以轻松支持未来的相关设备与服务。中国电信* 、天融信*、思科*、浪潮*、曙光*等来自国内领先行业用户代表以及业界合作伙伴也莅临本次发布会,分享了他们对云计算发展现状以及未来趋势的分析与洞察,并深入介绍了该产品平台在提升网络智能与带宽,支持企业建立更灵活、响应更为迅捷的网络等方面为客户和企业带来的独特价值。
英特尔网络定义创新产品发布会
当前,数以十亿计的设备正在增添连接网络的能力,它们中既包括智能手机,也包括汽车和工厂设施。这一趋势将会带来新的应用实例和服务机会,并带动网络和存储需求产生前所未有的增长。然而,当前的网络设计无法支持通信服务提供商快速或经济高效地扩展其基础设施。要充分释放物联网(IoT)的发展潜力,同时改善移动计算体验,企业就必须重塑其通信网络,提升其整个基础设施的可编程性和灵活性,以应对预期中的数据流量在规模及复杂性方面的增长。
英特尔公司数据中心事业部副总裁兼网络平台部门总经理 Sandra Rivera 表示:“随着越来越多的设备接入网络,以及各种全新数字服务不断涌现,用户对于网络的需求正在急速增长。通过在通信基础设施中构建智能功能,并使用基于标准的方法,通信服务提供商将能够基于此构建灵活的Cloud-Ready网络,快速扩展其服务能力。”
中国电信北京研究院主任工程师、中国电信云计算及SDx联合技术开放实验室执行主任 王峰
“作为以通信网络服务为主营业务的企业,电信运营商们早就开始为这一轮网络变革趋势做好准备,” 中国电信北京研究院主任工程师、中国电信云计算及SDx联合技术开放实验室执行主任王峰在会上表示:“通过采用基于英特尔架构、支持软件定义网络和网络功能虚拟化能力的标准化解决方案,网络终于能告别封闭,像服务器一样开放架构和能力,供应用灵活调用。这为我们在网络上拓展新业务、部署新功能、对资源实现自动化及弹性的管理,进行灵活的流量调优提供了前所未有的便利。”
英特尔扩展生态系统与产品组合,为开发Cloud-Ready网络奠定坚实基础
英特尔正在与思科*、爱立信*、SK Telecom*和 Verizon* 等行业领导厂商紧密合作,让行业加速向更灵活、响应更迅捷的网络迁移,同时为未来的 5G 网络奠定发展基础。英特尔将为此提供领先的技术以增强网络的能力与带宽,并壮大生态系统,致力于提供基于标准的解决方案。英特尔在今天就公布了以下相关信息:
英特尔网络定义创新产品发布仪式
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。