ZD至顶网网络频道 03月10日 综合消息:3月9日下午,全球IPv6论坛媒体见面会暨IPv6 World Leader 2017颁奖仪式在北京粤财JW万豪酒店隆重举行。清华大学教授李星、国家电网信通部主任王继业、中国电信北京研究院IPv6首席专家解冲锋获由全球IPv6论坛颁发的IPv6 World Leader 2017(2017全球IPv6世界领袖奖),以表彰和感谢三位在IPv6技术和应用领域的不断尝试、在CNGI项目中做出的突出贡献、以及在IPv6发展和推广过程中作为行业典范发挥的重要作用。
全球IPv6论坛(IPv6 Forum)是1999年7月17日在欧洲发起成立的国际技术和产业联盟,致力于在全球范围内推动IPv6发展,联合运营商与企业推动商业化进程,建立安全、高效的下一代互联网,是IPv6业界影响力最大、范围最广的非营利性国际组织。"IPv6 World Leader"奖原名“IPv6互联网先锋”奖,历届获奖人物均为互联网行业最具影响力、为IPv6发展做出里程碑式贡献的个人,受到全球IPv6领域和行业的尊敬与认可。获奖者包括美国Comcast首席架构师Brzozowski、WIDE主席Esaki教授、英国Sky首席架构师Dickinson、中国工程院邬贺铨院士和吴建平院士等。
清华大学李星教授获奖
清华大学李星教授作为主要技术负责人,主持建立了中国第一个IPv6试验网络CERNET-6BONE,在此基础上正式开通了中国下一代互联网示范工程CNGI-CERNET2。在李星教授的带领下,其研究团队发明的IPv4和IPv6互联互通的无状态翻译技术IVI,已经获得了国际互联网标准化组织IETF的9个RFC,成为下一代互联网最主要的过渡技术之一,为下一代互联网在中国以至全球的发展与普及,起到了促进作用。
国家电网信通部主任王继业先生获奖
国家电网信通部主任王继业先生多年来一直倡导和推动IPv6下一代互联网技术在国家电网中的应用实践工作。国家电网公司承建了“下一代互联网技术在智能电网应用关键技术研究和示范工程”,在相关IPv6地址编码,IPv6信息安全,IPv6与SDN融合等方面达到国际领先水平。与此同时,IPv6实验网络在国家电网天津等六省市展开了试运行,推进了IPv6在智能电网中的部署和应用。
中国电信解冲锋博士获奖
中国电信解冲锋博士领导的研发团队,从2001年就开始了在运营商网络中引入IPv6的关键技术和演进路线的研究工作,提出了包括LAFT6过渡技术在内的多项技术创新。积极参加IETF的标准化工作,目前已有6项以上的RFC成果。解冲锋博士支撑中国电信参与我国CNGI示范网络的建设和实验工作,并负责中国电信CNGI主干网的维护,共支撑了8项以上的CNGI应用示范、863、国家重大专项等大型项目的验证、测试和应用示范工作。2009年起,解冲锋博士的项目团队积极推动IPv6在中国电信商用网中的规模化引入工作,提出了以IPv6为核心的网络演进路线,并在湖南和江苏等地进行了深入的商用试点。
正如全球IPv6论坛主席Latif Ladid在活动中强调的,IPv6的全球部署已经全面展开并在近年内取得了巨大增长。李星教授、王继业主任及解冲锋博士在全球IPv6的核心标准制定、测试验证和商用部署方面的成果令人敬佩,其在中国教育网、国家电网及运营商中的IPv6部署与实践也处在世界领先地位。自全球下一代互联网行业发展以来,中国拥有全球最多的互联网用户,对世界的影响力越发强大,在中国政府的支持及产业各界的共同努力下,IPv6的全球商业部署必将获得新的进展。
好文章,需要你的鼓励
亚马逊发布Lens Live AI功能,用户可通过手机摄像头扫描任何物品进行实时购物。该技术利用人工智能识别用户拍摄的物品,并在亚马逊平台上匹配相关商品,提供即时购买选项。这一创新功能将大幅简化购物流程,用户只需"看到即可购买",为在线购物体验带来革命性改变。
巴黎理工学院研究团队发现了比传统深度伪造更隐蔽的"局部伪造"技术威胁。这种只修改视频局部区域的新型AI造假技术让人类检测准确率下降30%以上,AI检测系统性能下降高达43%。研究团队构建了包含25000个样本的全球首个局部伪造检测数据库FakePartsBench,揭示了现有防御体系面对精细化伪造攻击的脆弱性,为未来开发更强大的检测技术奠定重要基础。
谷歌AI研究助手NotebookLM宣布推出三种全新音频摘要格式:简要、评论和辩论模式。这一更新将为用户提供更多选择,让已经备受欢迎的音频概览功能更加丰富多样。简要模式提供1-2分钟的精简概述,评论模式对材料进行建设性反馈,辩论模式则让两个AI主持人就内容展开深入讨论。这些新格式有助于用户从不同角度理解学习材料,使NotebookLM成为更加细致入微的学习工具。
Meta等机构研究发现,让大语言模型学会使用外部工具比死记硬背所有知识更高效。研究通过数学证明和实验验证,传统的参数记忆存在严格容量限制,而工具学习能实现无限扩展且不损害原有能力。这为AI发展提供了新思路:从堆叠参数转向构建智能工具协作系统。