在刚过不不久的世界移动通信大会(MWC)上,中国电信联合英特尔等合作伙伴展示了基于RSD(整机柜设计)的NFVi(网络功能虚拟化基础设施)的Demo,引发业界关注。众所周知,相对于Facebook主导的OCP和BAT发起的天蝎项目,它们均针对互联网行业场景推广整机柜方案和融合开放交付,但对于电信运营商行业来说却没有类似的解决方案。
毫无疑问,云化部署也正在成为运营商们思考的转型方向,尤其对于网络来说,它们希望实现网元功能虚拟化、资源的动态化管理和调度,从而构建下一代电信网络基础设施。所以,在整机柜设计中,对虚拟网络的验证和管理成为重中之重。
中国电信广州研究院数据通信所SDN架构师欧亮
中国电信SDN架构师欧亮在接受媒体采访时指出,此次Demo主要展示了三部分,一是基于英特尔RSD的NFVi整机柜方案,二是运营级的NFV整体交付方案,三是综合多元化的典型电信虚拟化网元的展示。Demo的效果令人满意,包括基础设施构建、资源管理平台一体化交付能力、部署及扩展方案等内容,vBRAS、vIMS等能提供易部署、易扩展、易维护的高转发性能NFVi设施等。
此次Demo验证和评估了NFV的I层复杂度的问题,通过引入多厂家的方案,进行验证和评估证明了I层复杂度可以大幅降低。所以,这样的成果也吸引了业界的关注。
当然,进行整机柜的验证和评估也面临难度,欧亮指出:第一、分层解耦到很小的细粒度,导致整体的集成和验证工作量非常大;第二、目前的聚焦点大多在计算节点级,解耦以后离最终交付还是有一定的距离,尤其可靠性会降低;第三、假设颗粒度提升了,基于刀片式服务器、高密度的服务器,能不能做到跨厂商的部署,或者说防止新的落地烟囱的问题。
要解决以上三个问题,需要引入新机制和开放性的技术,解耦后要保证可靠性,运维、运营部署效率、集成效率不能降低,还要做到统一的基于机架的管理和部署。
好的消息是此次Demo环境不仅验证了英特尔RSD能在部署复杂度、承载能力、灵活性、可靠性以及高可用性等方面提供电信级参考方案,也是运营商实施云化部署,推进网络转型的重要尝试,为未来的商业化部署提供了参考。
英特尔公司数据中心事业部网络平台市场开拓总监杜唯扬
英特尔RSD是一个对计算、存储、网络资源解耦、资源池化及重构的逻辑架构,通过基于行业标准、针对动态池化资源分配及释放管理而扩展的API管理接口,来有效提高资源池利用效率的能力。它也是首个对计算、存储和网络功能进行解耦合与动态管理的行业标准,从而让数据中心资产实现更有效的超大规模部署和利用。英特尔公司数据中心事业部网络平台市场开拓总监杜唯扬指出,英特尔RSD也得到了欧洲、日本、澳大利亚的多家运营商的案例验证,并得到华为、戴尔、爱立信、HPE、联想、浪潮、H3C、广达等厂商的支持。
杜唯扬强调,英特尔RSD提供了一个平台,让众多厂家进行融合的转型,从而对资源池进行灵活高效的调配,这无论为电信运营商还是其他行业企业实施云化部署提供了坚实基础,目前也逐渐吸引越来越多的厂商加入这一架构设计中来。
据介绍,此次中国电信和英特尔联合展示的整机柜内产品由多个厂商提供。其中底层是由浪潮提供的基于英特尔RSD参考设计的 InCloudRack 融合架构整机柜服务器产品,虚拟化层则分别采用浪潮InCloud Sphere和Redhat OSP 8.0的构建云,虚拟网元层面分别是由H3C提供的vBRAS应用以及由诺基亚提供的vIMS应用。利用Redfish API,EPA,AMI PODM等管理工具与协议标准,英特尔RSD可以统一高效地管理来自多厂商的设备,从而简化和加速NFVi的部署。
在方案中基于vBRAS的宽带用户接入与体验评估中,vBRAS作为虚拟化网元部署在RSD的资源池。中国电信通过仪表来模拟和监测宽带用户观看4k电视节目的真实体验,测试vBRAS在承载大会话、高容量业务时的实际表现。结合英特尔DPDK等软件优化方式,测试结果表明,影响最终用户体验的主观平均分(Mean Opinion Score,MOS)以及画面卡顿率都达到预期目标。
欧亮介绍,现在已经有很多厂商要求参加中国电信RSD技术方案后续的验证测试,这让他们很受鼓舞,他相信,随着越来越多参与方加入及进行的大量实践和验证工作,基于RSD的整机柜商业化部署进程会加快。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。