至顶网网络频道 02月27日 国际消息: 本周在巴塞罗那举行的2018世界移动通信大会(MWC)上,华为公布了Intent-Driven Network(意图驱动智简网络),称该解决方案将打造一个物理网络基础设施的数字孪生世界。
据华为介绍,Intent-Driven Network具有五个关键特性,其中包含利用大数据和人工智能(AI)进行故障预测和自动优化性能修复。
其余四个功能是开放的API接口,以支持第三方大数据和云平台连接;识别和预防安全威胁;跨架构、协议和基站的内置操作和维护自动化;“超宽带”技术,实现低延迟和高带宽连接。
华为表示:“华为的Intent-Driven Network解决方案将使运营商和企业能够提供诸如5G承载网络、家庭宽带网络、企业专线、校园网络、数据中心网络、IP和光传输网络以及安全等解决方案。”
“Intent-Driven Network可以准确地读取用户的意图并使其发生,因为网络配置是自动化的,这些网络还可以实时感知用户体验的质量,并执行预测分析,以便他们可以主动地优化性能。”
华为网络产品线总裁Kevin Hu表示,华为认为该解决方案可跨企业和运营商使用,这两个细分领域都在向自主智能网络发展。
“这些技术将使软件定义网络(SDN)演进为意图驱动的网络,”华为解释说,他们已经在全球部署了超过380个SDN。
华为还利用MWC 2018推出了新的全闪存阵列(AFA)——OceanStor Dorado18000 V3,据称该阵列主要面向“关键任务企业服务”。
华为IT产品线副总裁Joy Huang说:“这个全新高端智能的OceanStor Dorado18000 V3全闪存阵列专为运营商的关键任务服务量身打造,提供闪电般高速度和坚如磐石的数据体验。”
这款全闪存阵列采用华为专有的闪存芯片组和FlashLink算法,延迟0.5毫秒,IOPS性能达到700万,号称在全闪存存储市场排名第一。
这款阵列还采用SAP认证的HyperMetro双活技术来提供全天候服务。
“Dorado18000 V3采用了最新的Flash-Ice技术,该技术在SSD上采用了石墨烯散热技术(GDT)和动态热平衡算法,将散热能力提高了500倍,并将SSD的寿命延长了20%,”华为并表示该阵列非常适合承载实时计费、CRM和ERP系统,“支持从数千万用户到数亿用户的平稳扩展”。
“这款存储即服务(STaaS)解决方案支持内部和外部数据的自由移动性和统一管理,可在任何地方灵活部署客户的应用。”
Dorado18000 V3还采用华为智能eService管理系统。
“eService可以利用人工智能和大数据技术优化存储管理,实现业务自动部署、适配和预测性维护,例如eService可以预见性能和容量方面的瓶颈,并快速提供最佳解决方案。”华为表示。
上周日,华为宣布推出第一款5G客户端设备(CPE),这是一款支持3GPP 5G标准并配有华为开发的Balong 5G01芯片组的终端设备,是其完整端到端5G解决方案的一个组成部分。
据这家中国网络巨头称,这是全球首款支持在亚6GHz和毫米波(mmWave)频段上实现高达2.3Gbps下载速度的商用3GPP 5G芯片组。
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。