至顶网网络频道 04月27日 综合消息:以SDN/NFV体系架构和技术引发的网络革命正在上演。4月26-27日,“2017·中国SDN/NFV大会”在北京·新云南皇冠假日酒店召开。会上,新华三集团副总裁、产品行销部副总经理毕首文强调要利用SDN/NFV技术来构建新一代的网络架构,并现场演示新华三推出的应用驱动网络AD-NET2.0解决方案,在驱动未来网络变革,构建万物互联的泛连接网络方面发挥的巨大价值。
“2017·中国SDN/NFV大会”是国内规格最高、专业性最强、规模最大、影响最广的SDN/NFV技术产业盛会,汇聚了国内外行业领袖和技术大咖、最具影响力的标准开源组织、领先的ICT制造商、主流网络运营商、骨干互联网企业和重点行业用户,共同探讨基于SDN/NFV技术的网络变革和产业发展之路。
新华三一直关注SDN/NFV技术发展,在业界率先发布商用数据中心SDN解决方案,是新网络领域最前沿的供应商。在“新网络 以新IT智能联接 驱动未来”主题演讲中,毕首文表示,人力提升产能的时代已经结束,技术和应用创新双轮驱动数字经济发展正成为趋势。为此,新华三推出应用驱动网络AD-NET2.0解决方案,通过融合创新和规模化应用,能够实现网络弹性扩展、按需协同,为用户新IT时代的网络变革提供核心助力。
毕首文从网络关系、网元能力两方面,详细阐述了新华三应用驱动网络AD-NET2.0解决方案给未来网络带来的变革力量。毕首文指出,就网络关系而言,新华三通过场景趋同、泛载超宽、联接云网端,让一张网承载所有联结方式(One Net),搭建从云到端的立体操作系统(One OS),让连接端点协同;同时,新华三还以DC群为核心进行流量重构,实现全连接跨场景的业务统一调度,并利用自动编排与智能运维,实现个性化的应用安全诉求;在网元能力方面,新华三从能力提升、完善架构、平台演进三方面,让网元能力演进到原子化及云化,最终实现网络随需而动。
从1.0到 2.0,新华三应用驱动网络AD-NET解决方案在技术多维创新、生态融合开放、场景优化演进方面都有重大创新。新华三AD-NET2.0解决方案以“应用驱动 万物互联”为战略指导,在广域网、城域网、园区网、数据中心、边缘计算、物联网分别推出相应的应用驱动解决方案,让网络更柔性和可扩展,同时借助IoT技术联动各个层面,搭建万物互联的泛连接网络,共建网络发展生态圈,推动数字经济快速发展。
目前,新华三在SDN/NFV技术的落地上,已经拥有了丰富的部署案例,包括BAT、招商银行、211/985高校、三大运营商、工商银行、中国网联等高端用户合作的成功范本。同时新华三还积极参与行业标准测试,荣获ONF中国首批OpenFlow V1.3一致性认证证书、顺利通过中国泰尔实验室测试等。从各个层面上,新华三都为SDN/NFV应用的切实落地提供了灵活可靠、全面高效的产品与解决方案。
未来五年,业务及应用将爆炸性增长,而新华三能够借助SDN为用户提供足够的可能性与适应性,无论应用如何变化和扩展,都可以驱动网络随需而变。面对未来网络发展挑战,新华三也将通过持续的创新,推动SDN、NFV技术在整个行业的应用发展,帮助用户更好地抓住新IT时代的"脉搏",助推数字经济持久发展。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。