ZD至顶网网络频道 12月11日 南京报道:在12月11日的2015中国未来网络发展与创新论坛上,中兴通讯承载网方案总监黄孙亮,面对当前运营商的承载层可能存在的改变,分享了在固网宽带技术变革方面SDN和NFV所起到的积极作用。
中兴通讯承载网方案总监黄孙亮
黄孙亮首先回顾了当前网络发展的进程,将网络发展分为了三个阶段,认为传统的网络阶段最关键的特点就是互联,最典型的业务就是Web,但当我们把语音视频放到网络上以后,对网络承载提出了可靠性等一系列的要求,所以当前的网络,应该是一个承载电信级的网络。而新的业务又一次出现,就好象我们的云计算、移动互联网以及物联网,另外,用户在看一个高清电影的时候,网络能不能直接提供端到端的带宽,很显然现在封闭式的运营网络很难满足这个要求,所以就提出了软件定义网络,希望动态识别应用的需求。
SDN真的来了
当SDN来了以后,希望重构网络。其实可以想象成要为网络做大数据,那么中兴是怎么做的呢?黄孙亮讲到,“我们会需要做出很多的选择,这个时候我们需要回到原点探索网络的本原,什么是通信?什么是网络?用电信号进行通信就是电信,我们通讯的系统网络d的管道。通信的模型或者说连接的模型又是什么样呢?很简单就是点到点、点到多点,而后来的网络发展又出现了两个问题,一个是安全问题,在网络上面叠加很多功能,比如NET等等,我们把这些网络连接放在了一起,大家都知道NFV的本质是把网络的连接跟网络的功能分开,用公用的硬件做网络的部分,而SDN是把网络的连接,跟网络的控制分开,从而提供网络连接的服务,基于这样的分析,中兴推出了演进的网络架构。”
云接入、云互联、云网络
基于以上对网络的理解,黄孙亮认为未来网络的架构是以云为中心的网络,因为网络的应用,网络的功能虚拟化以后实现了弹性的连接服务,而在未来的网络里面将有四种流量,一种是从终端到云的流量,一种是云和云之间的流量,一种是云内的流量,还有一种是终端和终端之间的流量。那么,中兴把其分为了三大块,云接入、云互联、云网络,针对终端和终端的流量不需要云。
基于这样的需求,中兴提出了弹性云承载方案,云接入场景提供SPTN解决方案,云互联提供DCI、IP WAN解决方案等。黄孙亮讲到,“我们看SDIPRAN解决方案,是用SDIPRAN集中控制网络,从而大幅减少网源,降低复杂性,通过这种方式降低整体的运维成本。再进一步的开发,叠加相应的APP方便用户通过APP的方式、软件的方式定义网络。这样的方案我们已经有了很多的测试和应用,一个典型的例子,我们为印尼最大的运营商Telkom来简化运营网络。在国内也一直在帮助运营商建网,我们已经加载了云和数据的业务。另外我们在很多地方包括国内外运营商包括新加坡、马来、泰国以及跟南美的一些国家都在做测试和演示,以及试点工程。”
另外,在介绍SPTN解决方案时,黄孙亮表示,中兴已经解决了域控性,在不改动线网的情况下引入SDN,用SDN实现一些功能,针对一些跨网域可以通过城市化的方式去做。另外,中兴也跟客户和运营商做了很多的联合创新,同时跟国外的运营商也在推动一些试点的工程。
对于SDON的方案,黄孙亮讲到,“利用我们的架构跟网络的协同,并基于开放可以整合传统的网络,以及第三方的网络,通过这样的整合,我们可以对上层的应用有更多的协同,同时北向接口开放可以增加更多的应用,比如EDS增加网络的运营能力,这里我们也有相应的一些工作,中兴在国内做了很多的测试试点,包括三个本地网的部署,同时也做了其他的一些测试和沟通的测试。
此外,针对DC方面,中兴提出了vDC+DCI的解决方案。目前针对数据中心中兴向用户推荐基于SDN的解决方案。中兴在国外的校园网已经做了相关的部署,并提供了交换机和云平台产品和方案,同时也跟国内的RSP做了联合的创新和测试。
针对网络功能方面,黄孙亮重点介绍了vBRAS解决方案,这是一款专门针对宽带用户的管理方案。通过将网络的功能做在路由器上,把路由器作为BRAS,可以把控制功能分离出来,放在云平台上或者数据中心里面,交换机就可以专注去做转发,通过这种方式提升网络整体的效率。
同时,对于用户业务的叠加,黄孙亮讲到,“我们知道,当用户新增业务后要对现有网络进行升级时,不仅仅是网络层面的修改,也需要硬件层面的修改和配合,我们始终认为这种网络转发本质的需求是很简单的,就是点到点、点到多点的连接。所以,对于这样的一个功能就应该把它相对固化下来,通过这样的方式提高网络整体的性能,当然专用的方式也是可以通过软件去进行定义的。需要明确的是中兴并不提倡封闭,针对二层转发的硬件本身可以标准化和开放化。我们对硬件的内部也做了一些研究分析,目前来看都和NAB之间二层转发有较大的差异。
对于组网的方式中兴也做了很多分析工作。黄孙亮介绍到,方式一,转发流都要到云中心处理,这样不仅仅是增加了上层的处理要求,也需要很多端口配合。方式二,只需要控制层到云中心,而数据层面也需要转发,这种整体效率也是最优的。这个方案中兴在2014年跟运营商做了测试开发和创新,今年又进行了一个全面的测试,测试基本上是参照现网,包括用户认证、可控组播、可靠性,以及性能测试和叠加测试,尤其是叠加测试是通过了线网峰值复杂的场景,经过这些测试对这个方案的可行性是一个有力保障。
最后,黄孙亮对于SDN的着眼点认为,作为主要的设备供应商,中兴还是比较务实的,SDN最关键要体现它的价值,需要不断的去解决网络里面具体的问题,通过不断的解决客户面临的最关键的实际问题,来提升SDN对网络服务能力的价值。
好文章,需要你的鼓励
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。