在企业数据中心市场风生水起的网络提供商——博科,一直没有放弃拓展运营商市场。如今正迎来了机遇,“5G”,它的发展得以让博科施展拳脚。
为了支持5G,移动运营商开始转型其网络,他们需要一个由软件和开放式生态系统而实现的,支持规模、自动化和服务的新IP基础架构。
这正是博科所擅长的,并在过去几年不断去构造的新技术能力。如今,博科在移动技术领域拥有的例如虚拟网络功能,SDN/NFV解决方案,可视性、控制和编排等,能够助力运营商快速适应技术及市场变化。
博科面向移动运营商的5G网络愿景
过去一年,软件总的来说已转变了数据中心和网络,运营商和企业则转向软件定义网络(SDN)和网络功能虚拟化(NFV)来快速开发新服务,并以用户为核心来提供服务。拥抱变化的运营商和服务提供商则将在2020年之前成为物联网(IoT)生态系统和5G竞赛中的赢家,而落后的风险将与日俱增。
所谓机遇,也正是博科的技术发展路径扣准了移动运营商的业务需求脉络。正如博科中国系统工程师总监张宇峰所说,博科的移动技术能够让移动运营商降低成本并缩短服务创新时间,并且是在开放的网络平台上开发创新服务,同时随时随地部署网络服务,以及提供个性化网络服务。
到底博科是如何做到的? 收购Connectem、Vistapointe后,博科不断完善其移动架构和愿景。近日,博科发布Virtual Core for Mobile(VCM)解决方案。VCM是第一个完全虚拟化的演进分组核心(vEPC)产品套件,它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VCM逻辑架构
vEPC也被张宇峰认为博科最有特色的面向移动运营商的网络服务,从而让运营商真正拥有操作网络资源的能力。
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。
博科移动边缘解决方案
除了VCM,博科基于vRouter,还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。
在网络可视性方面,对Vistapointe的收购,博科为运营商提供了一个更好地了解其网络和用户群的工具。张宇峰称,现在博科将可视性与分析发展到3.0。博科网络可视性产品组合能够满足当今EPC的需求,同时平稳过渡到支持软件的基础架构,并把移动运营商的可视性基础架构从封闭、单一转变为开放、分解的可视性架构。
为了帮助移动运营商快速进行网络转型,博科还扩大了移动生态系统,包括博科移动领域的新技术合作伙伴、移动领域(园区、可视性)的合作伙伴,及新增的新移动解决方案合作伙伴。
博科扩张移动生态系统
如此,通过联合合作伙伴加上博科的网络创新从而有机会引领行业的发展,帮助移动运营商进行网络转型,以支持未来的5G服务。
张宇峰介绍,在国外,不少移动网络运营商和移动虚拟网络运营商已经选择了博科的移动产品助力其网络转型。在国内,现在博科面向移动运营商的产品例如VCM、移动边缘虚拟化架构已经运行在博科与贵阳市政府合作的联合实验室里,他相信,随着国内运营商将网络逐渐迁移向开放及软件自动化管理,博科面向5G的开放网络很快被运行在业务网络中。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。