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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。