ZD至顶网网络频道 02月17日 综合消息: 博科今天宣布推出新的产品,帮助移动运营商重新架构他们的网络,以支持5G服务,并以低于传统网络的成本提供更高的敏捷性和性能。这些创新的新IP(New IP)产品成功地将博科定位为5G性能网络领域的颠覆者,让5G网络助力移动网络运营商(MNOs)和移动虚拟网络运营商(MVNOs)应对所面临的主要挑战。
今天,那些使用互联网和视频服务的用户创建并移动大量数据,而且物联网和机器对机器(M2M)服务也涉及很多连接,这使得基于传统架构的移动网络面临转折点。此外,传统网络也不能充分地支持各种创新用例,比如空中连接性和服务。今天,实现新服务和满足客户的需求,不仅仅需要的是经过改造的高速空中接口。一个全面移动和联网的社会更需要无处不在的移动网络基础设施。这个基础设施由软件实现,虚拟化、模块化、可扩展,并基于开放标准。
通过简化基础设施,并助力运营商开始向5G转型,博科提供了一种实现这一移动网络愿景的途径。移动设备在数据率、通讯负载、移动、覆盖范围和重要性方面呈现多元化模式。通过提供比传统网络更高的敏捷性、成本效益和高可扩展性,博科®的产品解决了包括物联网、M2M、高清视频、空中连接和虚拟移动网络等在内的新兴服务所面临的挑战。
Heavy Reading高级分析师Gabriel Brown 表示:“移动运营商希望在更低的生产成本基础上,进一步推进虚拟移动核心技术来支持新服务和业务模式。不过,因为它涉及到一系列拥有固有风险、极具挑战性的应用,他们需要寻找榜样性的案例,如移动虚拟网络运营商,企业VPN和物联网服务,能够不影响大众市场的消费EPC而提供一个快速的回馈。随着时间的推移,运营商将获得技术经验。我们期待虚拟化成为主流运营模式。未来5G的核心将是‘原生云’。”
博科Virtual Core for Mobile解决方案
博科Virtual Core for Mobile(VCM)是第一个完全虚拟化的演进分组核心(vEPC)产品套件,在第三代合作伙伴计划(3GPP)建立的标准化日期之前,通过控制平面和用户平面的独立定位和缩放来支持网络分层。博科VCM专为虚拟环境而设计,通过消除昂贵且专有的硬件设备,较长的升级周期、过度配置来改造移动网络。博科解决方案可以在几天内完成部署,无需花费数月时间。根据具体的网络和部署要求,同样的软件包可以充当一个完整的vEPC或移动性管理实体(MME)、家庭订户服务器(HSS)、服务网关(S-GW)和分组数据网络网关(P -GW)的集合。博科VCM的总体部署模式可用于创建专为物联网流量分析而优化的网络分层,实现移动分组核心即服务产品来托管MVNO服务,或支持移动通信新运营商所提供的非传统创新服务。该解决方案通过标准接口连接所有主要无线和3G / LTE核心网络设备,使传统网络支持5G功能。
高速空中数据通讯服务提供商SmartSky网络选择博科vEPC来连接全新SmartSky 4G空中对地面的将要连接全美国250多个蜂窝站点的宽带网络。SmartSky网络和服务架构副总裁David Claassen表示:“博科是唯一一家提供全新开发的端到端虚拟EPC解决方案的公司。而其他厂商总是通过重新包装旧的解决方案走捷径。由于支持控制和用户平面的独立缩放,博科vEPC方案帮助我们跨越整个大陆提供无缝数据服务,同时消除冗余功能和节点间的依赖性。因此,我们预计与基于节点的物理数据包内核相比,其总体拥有成本大幅降低,性能大幅改善。”
博科移动边缘计算能力
移动边缘计算提供基础设施,用于从移动网络边缘交付应用、网络服务和内容。基于业界领先的博科虚拟路由器,博科提供了移动边缘虚拟化基础设施功能,集成了包括路由、IPsec终端和网络防火墙功能和主机操作系统等在内的虚拟化基础设施。通过把云计算扩展到移动网络的边缘,使得移动网络运营商能够获得新的收入来源。这些功能还支持把虚拟网络功能一致地推荐给附近的最终用户,提供平台托管第三方应用,特别是与物联网相关的垂直行业应用。为了提供一个完整的解决方案,这些功能还会集成博科SDN控制器和博科虚拟数据包中转设备。
博科还将提供一个全面的对物理和虚拟移动网络具备普适性的网络可视性解决方案。这一端到端网络可视性解决方案包括网络数据中转包设备和探针协议,这一基于软件的方法可以提供实时的可编程的可视性基础设施和动态横向扩展架构,支持前所未有的1亿用户每数据包核心。
博科移动网络首席技术官Kevin Shatzkamer表示:“今天的发布的产品表明博科致力于提供创新的网络解决方案,帮助移动网络运营商和虚拟网络运营商解决那些最关键的业务和技术问题。在5G帮助移动运营商加速获得新的收入来源之前,集成了vEPC、移动边缘计算和网络可视性的博科产品奠定了面向未来的技术基础。”
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。