未来世界是构建于网络上的世界,那么未来网络是什么?该如何构建?4月17日,在南京江宁未来网络小镇召开的2017全球未来网络发展峰会上,新华三集团总裁兼首席执行官于英涛应邀出席主论坛,就此问题发表了演讲。
本次峰会由中国工程院、南京市政府主办,以“创新合作共赢,引领未来发展”,汇聚国家相关部委领导,全球未来网络领域著名专家,国际顶尖大学的领军人物,全球运营商、网络设备制造商、互联网企业和资深专家,共同交流未来网络发展前沿技术,探讨未来网络发展应用空间。
新华三集团总裁兼首席执行官于英涛发表演讲
新IT战略——助推数字经济发展
在主题为“应用驱动未来网络变革”演讲中,于英涛表示,云计算、大数据、物联网、人工智能等新IT技术的发展,促使国家信息化发展战略从2015年的“互联网+”、2016年的“新经济”发展到今年的“数字经济”,后者可以说是中国新经济时代的具体表现,涉及城市管理、行业变革和民生服务等诸多领域。归纳其内在的逻辑,核心就是数字化转型,由技术创新和应用创新双轮驱动的数字经济发展。在这一背景下,新华三提出“应用驱动,云领未来”新IT战略,通过云平台、大数据、大互联和大安全技术支撑,让应用驱动IT的云化,推进数字经济未来发展。
数字经济时代是万亿联接的时代,要实现从人与人到物与物互联的升级与转变,面临着诸多挑战:如应用联接千变万化,如何实现网络智能承载?从“人与人”到“物与物”,如何统一“万物语言”?于英涛认为,构建未来网络要从全面云化、软件定义、场景化定制、生态链建设等要点着手。
大会现场
应用驱动+万物互联 新华三把脉未来网络
“未来网络是数字经济的神经系统”于英涛表示,新华三从两个方面建设未来网络:应用驱动——利用SDN/NFV开展网络重构;万物互联——通过IOT技术赋予万物生命。对此,新华三已推出应用驱动网络AD-NET解决方案,包括AD-WAN(应用驱动广域网)、AD-MAN(应用驱动城域网)、AD-DC(应用驱动园区网)、AD-EC(应用驱动边缘计算)、AD-Campus(应用驱动园区网)、AD-IoT(应用驱动物联网),新华三希望让网络更加柔性和可扩展,并借助IOT技术联动各个层面,实现万物互联的泛连接网络,在一个统一的万物互联网上承载各种不同的业务和应用,根据用户场景化需求定制解决方案,共建网络发展生态圈,推动数字经济快速健康发展。
作为未来网络的领先者与最佳践行者,新华三在SDN/NFV技术的落地方面已经拥有了丰富的实践经验,规模服务与BAT、招商银行、30多所211/985高校、三大运营商、中国网联数据中心等高端用户。,同时新华三还积极参与行业标准测试,荣获ONF中国首批OpenFlowV1.3一致性认证证书、顺利通过中国泰尔实验室测试,实践证明,新华三已成为未来网络最有力的推动者。
“引领新IT,助推新经济”是新华三发展的核心诉求。于英涛表示,未来,新华三将通过持续的技术和应用创新,完善的服务以及全面的生态合作,支撑各行业用户的网络建设与变革需求。同时,依托紫光集团,新华三愿意通过包括资本合作在内的各种形式,与业内领导厂商、优秀的Startup公司合作,一起共建未来网络,为中国数字经济的发展贡献自己的力量。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。