2017年8月2日-3日,由天地互连-下一代互联网国家工程中心主办的“全球SDNFV技术大会” (2017.chinasdn.org)在北京落下帷幕。其中,8月2日的ONOS和CORD Mini Summit吸引了大量的关注,现场火爆异常。ONF的三位代表和来自中国联通、华为、新华三的代表分别就ONOS和CORD的项目概况、典型场景和实践项目等情况进行了分享。
在ONOS Mini Summit上,ONF解决方案与合作伙伴副主席Aseem Parikh先生首先对ONF及ONOS的项目进展进行了概述。Aseem首先将ONF和ON.Lab合并之后的新ONF的情况进行了简单的介绍,他提到新ONF致力于通过开源解决方案和软件定义的标准实现SDN及NFV的潜能,ONOS和CORD都是其中非常重要的项目。随后,ONF ONOS 技术专家/大使Jian Li对ONOS进行了详尽的介绍和演示。最后,来自华为的SDN及云技术高级软件工程师路凯介绍了华为的Gluon项目并展示了该项目在ONOS中的应用方法。从演讲中可以看出,ONOS作为一个开放网络运营操作系统,其敏捷灵活性及大规模部署的能力都表现卓越。
CORD已经成为了提升业务部署效率,促进运营商的网络重构和业务转型的重要推动力。在下午的CORD Mini Summit上,ONF解决方案与合作伙伴副主席Aseem Parikh首先对CORD项目的整体情况进行了介绍。CORD技术专家、ONF大使黄秉钧对CORD的架构、原理及作用进行了详细的阐释,并重点分析了R-CORD的几个应用场景。随后,中国联通开源网络平台及生态总监周伟博士向观众分享了中国联通在CORD中典型场景和进展。周伟博士提到,中国联通自2015年起开始推动其名为CUBE-Net 2.0的网络重构计划,CORD是其实现云化架构的重要方法。最后,新华三集团运营商解决方案部资深解决方案架构师陈鼎女士分享了H3C 在云网络中的R-CORD探究,和其在E-CORD领域做出的一些成果,通过一些实例将CORD的实践部署进行了详尽的分析。
在一整天的Mini Summit中,现场座无虚席,很多观众全程站立听完演讲,并与嘉宾进行积极的互动讨论,现场气氛热烈。通过ONOS和CORD两场技术研讨会的分享交流,现场观众获得更详尽更实用的技术指南,并了解到更多的部署案例。同时,新ONF和中国的开发者们的距离也通过活动得以再次拉进,同时进一步扩大了其在中国的影响力。
活动简要日程及PPT下载链接请见下表:
|
ONOS Mini Summit |
|
ONF及ONOS项目概况 |
|
Aseem Parikh,ONF解决方案与合作伙伴副主席 |
|
PPT: http://www.conference.cn/download/ONOS/001.pdf |
|
ONOS 技术指南 |
|
Jian Li,ONF ONOS 技术专家/大使 |
|
PPT: http://www.conference.cn/download/ONOS/002.pdf |
|
Gluon项目 |
|
路凯,华为SDN及云技术高级软件工程师 |
|
PPT: http://www.conference.cn/download/ONOS/003.pdf |
|
CORD Mini Summit |
|
ONF及CORD项目概况 |
|
Aseem Parikh,ONF解决方案与合作伙伴副主席 |
|
PPT: http://www.conference.cn/download/CORD/001.pdf |
|
CORD技术指南 |
|
黄秉钧,CORD技术专家、ONF大使 |
|
PPT: http://www.conference.cn/download/CORD/002.pdf |
|
联通在CORD中典型场景和进展 |
|
周伟,中国联通开源网络平台及生态总监,博士 |
|
PPT: http://www.conference.cn/download/CORD/004.pdf |
|
H3C 在云网络中的R-CORD探究 |
|
陈鼎,新华三集团运营商解决方案部资深解决方案架构师 |
|
PPT: http://www.conference.cn/download/CORD/003.pdf |
|
|
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。