近日,市场调研机构TBR发布报告显示,到2020年,欧美两地的主要电信运营商(包括AT&T、Verizon、CenturyLink、BT、DT、Orange和Telefónica)在SDN、 NVF领域的支出将达1570亿美元。事实上,随着SDN/NFV作为全局性、颠覆性的变革技术越来越被业内接受,全球运营商对其部署力度也愈发增加。但SDN真正要实现规模商用,仍然面临如虚拟化安全问题、设备部署维护成本等巨大挑战,运营商欲借助SDN/NFV带来的机遇,助力其重新获得对网络的主导和控制权,仍然任重而道远。
为进一步洞悉全球运营商对未来网络架构及SDN技术的发展策略、商业化的具体措施,2015年12月10日-11日, “2015中国未来网络发展与创新论坛” (2015.chinasdn.org)将邀请中国三大运营商、日本最大运营商NTT、等行业专家莅临南京,全面解读运营商眼中的SDN。
以下为部分运营商演讲代表:
陈运清:中国电信北京研究院副院长
陈运清副院长多年从事城域网优化改造工程、下一代互联网技术研究与现场试验、云IDC内部组网与互联设计、智能管道总体架构研究等工作。在下一代互联网、IP网络架构、高智能网络、云计算组网与SDN技术等子领域均有较深厚的研究和积累。中国电信已成功完成了国内首个传送网SDN解决方案的测试,全球首个运营商SDN商用部署,全球首个光传送网SDN联合创新。中国电信将如何应对SDN/NFV所带来的机遇和挑战?陈运清副院长将在现场进行解答。
张云勇:中国联通研究院副院长
张云勇副院长多年来致力于下一代开放网络、固定移动融合核心网、移动互联网及业务、公共运算等方面的研究。今年6月,中国联通在成都完成了全球首个SDN IPRAN商用部署,首次将SDN技术成功应用于IPRAN领域,推动了SDN商用化进程。关于中国联通的最新动向,张云勇副院长将在会上作进一步阐述。
段晓东:ONF副主席,中国移动研究院网络所所长
段晓东所长曾表示SDN已经处于真正大规模商用的前期,越来越聚焦实用化;SDN对运营商的价值就像4G,需要通过产业界的共同努力去发掘出SDN和NFV的商用价值,进而帮助网络运营商“省钱、赚钱”,被三大运营商所接受。中国移动研究院和中国移动广东公司已联合华为进行SPTN SDN创新实践,在政企专线业务领域实现了网络能力的开放,并实现网络的高效运维。本次大会上,段晓东所长将进一步对SDN的具体实践做出演讲。
WataruIshida:NTT软件创新中心专家
WataruIshida一直致力于各种SDN软件的开发,尤其是Ryu SDN框架的研发。NTT于2013年就借助SDN实现了全球10个云数据中心的互联。在国际范围内,作为较早进行SDN技术研究的运营商之一,日本NTT研发了一款虚拟网络控制器,用于多个数据中心的统一服务和按需配置,已部署到其位于欧洲、美国和日本的数据中心。本次大会上, Wataru Ishida将向中国观众展示其最新进展。
据悉,除运营商外,本届大会还将云集国内外近百位未来网络、SDN/NFV等业内权威专家、全球知名厂商高层等,以“建设未来网络试验设施,推动网络发展与创新”为主题共同诠释中国未来网络及SDN/NFV技术的浩瀚蓝图。目前,本届论坛免费报名通道已经火热展开,欢迎来自政府、企业用户、运营商、芯片、终端、及软硬件厂商代表、互联网公司、高校及研究机构或投资机构的专家代表报名参会。详细信息,请访问本届论坛官网:2015.chinasdn.org。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。