随着近日5G独立组网(SA)NR标准冻结,5G的商用步伐从散步变成慢跑、快跑,到现在已经开始疾速奔跑,这也意味着5G技术方案验证及应用步入关键阶段。作为一家基础设施核心技术供应商,英特尔一直站在推进5G发展的前沿,并与全球的运营商和制造商合作,推动5G网络的大规模转型。
在本次MWCS 2018的现场,英特尔的身影就无处不在,无论是三大电信运营商还是各大通信设备供应商的展台,英特尔都做到了“Inside”其中,充分展现了它携手合作伙伴和运营商重构5G所需的核心、边缘和接入网络的战略规划。
核心:推进5G SA中SBA架构的优化
6月28日,中国移动在MWCS上发起了“5G SA起航行动”,作为构建5G SA(独立架构)组网方案的关键技术,SBA(Service Based Architecture,基于服务的网络架构)在其中扮演了关键角色,该架构去年已被3GPP正式确认为5G核心网统一基础架构。
为了推进5G SA快速落地,同样作为“5G SA起航行动”的重要环节,中国移动与英特尔在现场联合发布了《5G独立架构实施指导》白皮书。白皮书提出了多个SBA架构方案实例化原型,并给出了这些方案原型在不同场景下的性能测试数据和相对应的技术优化建议。
一般而言,构建5G核心网中的SBA架构有集成式或分布式多种方法,并可在基于NFV架构的虚拟机或容器中进行部署。对此,运营商该做何选择?中国移动与英特尔通过测试发现,集成式SBA架构以其高吞吐率和低延迟的特性,相比其他方案有更优秀的性能表现,自然也成为了推荐部署的方案。
边缘: 面向边缘机房的OTII定制服务器
对于运营商来说,数量庞大的边缘机房也是未来5G部署中的重要一环,但它们的条件很难与大型数据中心等同,在很多方面无法满足常规通用服务器的部署及运行要求,因此对服务器进行定制设计就是更为可取的方案。
OTII定制服务器参考设计和行动计划书联合发布现场
为此,中国移动与中国电信、中国联通、英特尔、华为、浪潮、Mellanox、云达科技等公司在MWCS现场共同发布了《OTII定制服务器参考设计和行动计划书》,并展示了首款OTII深度定制服务器参考设计原型机。此原型机基于英特尔至强平台,总体上反映了OTII在配置规格、硬件设计和管理维护等方面的技术要求,并已经初步具备运行能力。此外,OTII项目还联合产业界对外公示了面向5G商用的未来行动计划。
OTII边缘服务器原型机,可搭配英特尔至强D处理器或英特尔至强可扩展处理器
接入:O-RAN提升5G接入网络灵活性
中国移动展示的O-RAN白盒设备——有源拉远型白盒室分原型系统
将“开放”作为新一代无线接入网络的关键属性是运营商们的共识。在MWCS现场,英特尔就与中国移动联合展示了O-RAN白盒设备。该设备是对传统基站BBU+RU模式的改造,它使用开放的英特尔架构实现了软硬件解耦,通过对该架构处理能力的复用,还能实现动态扩缩容和资源共享,能够更灵活地适配业务和流量潮汐的变化,这些都是专有架构难以实现,也是5G所必需的。
其他5G网络转型成果:vBRAS加速及下一代前传接口
除了上述三项重要进展外,英特尔还联合联想、赛特斯、中国电信北京研究院等合作伙伴展示了基于FPGA加速的5G-Ready网络解决方案。
基于FPGA加速的5G-Ready网络解决方案,包括了5G下一代前传接口、IPsec以及vBRAS方案
例如在vBRAS的现场演示中,运行在联想的网络虚拟化基础设施(NFVi)平台上赛特斯的vBRAS网元,可采用基于英特尔Arria 10 GX FPGA的英特尔PAC解决方案,来实现更高的吞吐量、更低的延迟和更低的丢包率,从而提升vBRAS服务质量。与不带硬件加速的vBRAS解决方案相比,新方案能够提供无马赛克现象的出色视频播放性能,能更好地满足视频流服务对网络带宽日益增长的需求。
在5G下一代前传接口演示中,英特尔的可编程加速网卡、FlexRAN平台和至强处理器则展示了自身在执行5G分离数字信号处理方面的能力,它们面向5G的更灵活的帧结构,使前传接口具有可编辑的灵活性,从而支持不同类型的协议。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。