“‘用电视’和‘看电视’最大的区别就是,如果只停留在看,电视还仅仅是一个娱乐终端,在在‘互联网+’大潮涌动的新时代里,我们必须要把电视这个单纯娱乐型的电子产品,转化为一个真正的信息服务载体,把客厅电视的功能发挥到极致。”这段话是福建广电网络集团业务开发部总监马宁在接受媒体采访时谈到的。而为了实现这种“互联网+TV”的全新业务模式,福建广电为此做出了众多的努力。
从“看”电视到“用”电视
福建广电网络集团股份有限公司(以下简称:“福建广电”)是福建省文化产业中规模最大、覆盖范围最广的骨干企业。截至2015年,福建广电拥有全省干线网7083公里,有线电视用户700多万户,数字化率超90%,超过全国平均水平。福建广电下辖全省共92家分公司,5家全资子公司,员工近万名, 年收入近30亿元。
2013年,坚持持续创新的福建广电提出了全新的互联网业务战略布局,启动“高清互动云电视”平台建设。该项目计划为福建有线电视用户提供直播电视、热门节目、互动点播、频道回看、八闽集萃、公共信息、智慧家庭和电视营业厅等八大服务模块近百项应用服务产品,为用户提供影视节目点播和高标清直播频道的时移、回看功能,让广电用户从从过去简单的“看”电视,逐步进入到参与互动“用”电视的时代。
电视怎样才能“用”好
高清互动点播电视服务有别于传统的VoD业务。具体地讲,用户的点播指令要通过数据回传通道到达广电点播系统后台,视频流需要从中心片库分发到广电分前端的视频服务器,由视频服务器(推流服务器)向用户所在片区的IPQAM推流,再由IPQAM把用户点播的IP视频流编码成数字电视节目送入有线电视网络,最后在用户端通过机顶盒接收。由这一套发送的过程可以看出,广电高清互动点播视频流从数据源到IPQAM有一个最关键的环节,就是需要建立高质量、高可靠的视频“推流网”。
从前期的测试结果来看,视频业务数据流对延迟和丢包十分敏感,传统服务模式难以满足新业务承载需求。只有尽量减少视频服务器到点播用户之间的网络跳数,才能确保用户享受到高质量的服务,否则一旦经历了断断续续的播放体验,没有人再会去“用”电视。为此,福建广电在2013年同步启动了“推流网”的建设工作,力求建成覆盖整个福建全省的高质量IP网络,在实现高带宽、高可靠和高安全的基础上,确保网络架构的简单清晰、易于维护。
从“推流网”的业务覆盖范围上来看,主要是以省至地市的业务为主,而地市之间的业务相对较少,因此网络初期省核心节点与省接入(地市)节点直接相连,形成扁平化的星形网络结构。另外,省核心节点和省接入节点之间还需要采用双归路由技术,以及提供N×10Gbps和100Gbps的网络接入能力。
超级“牛顿”撑起“推流网”
综合福建广电的业务需求,锐捷网络提供了新一代的“万兆以太视频推流城域网方案”,并最终获得用户认可。该方案可以很好地匹配等长等开销的视频数据流对高带宽、高可靠、低延迟网络的需求,并且网络结构简单、维护管理方便。
网络方案规划好了,而“推流网”还需要一个强劲的“超级心脏”,用来承载地市推流业务。这个任务最终落到了锐捷网络的明星产品“牛顿”身上。“牛顿”RG-N18000系列核心交换机是锐捷网络面向云架构网络精心设计的产品,是业界首个同时支持云数据中心特性和云园区网特性,可以实现云架构网络融合、虚拟化、灵活部署的新一代核心交换机。通过采用先进的CLOS多级多平面交换架构,“牛顿”能够提供持续的带宽升级能力和业务支撑能力,单槽位支持高达960Gbps的转发能力,单机箱可支持96个100GE、288个40GE或者1152个10GE全线速接口。
在此基础上,为了适应推流网的大流量的VoD视频点播业务,本方案中的RG-N18000系列交换机还配置了大缓存的高性能线卡,全部可以达到全线速转发,确保终端用户能够享受到流畅、稳定的互动视频业务。
百万用户步入“互联网+电视”新时代
“推流网”的建成,为福建广电“高清互动云电视”平台提供了更广阔的发展空间,让用户从“看”电视到“用”电视的转变迈出了关键的一步。这张高性能的网络,不仅为高清互动云电视平台、4K视频、电视多屏互动 “爱家电视APP”等应用提供了保障,更启用了MPLS组播VPN功能,作为承载直播高清网络的备份,大幅提升了直播业务的高可靠性。
截止目前,锐捷网络为福建广电五个地市提供了RG-N18000系列数据中心交机,确保了福建广电“互联网+TV”全新业务模式的目标达成。如今,福建广电高清互动云电视可以按照不同单位与个人需要,提供定制化的视频会议、智能监控、电视商城、屏屏通、智能酒店、智能天气、物价查询等应用。福建百万有线电视用户在“用”电视的过程中,体验到了福建广电的高质量贴心服务。与此同时,福建广电网络盈利模式也由基本收视向多元化领域拓展,市场竞争力大幅提升,成功跨入了“互联网+电视”的新时代。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。