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
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。