至顶网网络频道 02月27日 编译:借助科技巨头思科和诺基亚的硬件和软件,日本乐天(Rakuten)宣布将在短短八个月内推出自己的移动网络。计划于10月推出的Rakuten Mobile Network将成为全球首个完全虚拟化的、基于云的移动网络。
本周在巴塞罗那举行的世界移动通信大会(MWC)上,思科全球移动和5G部门总监Bob Everson表示,该部署将采用思科的虚拟化架构。
Everson说:“这是一个绿色部署,是全新的,因此从一开始就能决定他们想要如何实现这一点,所以这是一种非常创新的方法,是一个完全虚拟化的、基于云的网络。”
思科还在MWC上宣布其Unified Domain Center (UDC) 是“DNA和移动之间的桥梁”,而且思科正在横跨其云、IT和服务提供商组合向Rakuten部署租赁路由和交换软硬件。
此外,思科还将在工程、安全、运营和多供应商系统集成方面提供专家资源。部署之后,其网络中将包括一个具有多访问边缘计算的完全虚拟化网络、软件定义网络、集中和区域数据中心能力,以及全面的服务和基础设施自动化能力。
Rakuten移动网络首席技术官Tareq Amin表示,Rakuten的网络将是“软件驱动的,从上到下实现自动化”。
“通过这种设计方法,我们与思科以及精心挑选的供应商生态系统展开合作,我们相信能够以更低的成本提供高价值的服务,帮助我们的客户分享云创新的真正好处,”Amin说。
据Amin称,与传统移动运营商相比,这种基于云的虚拟化方法将让Rakuten至少节省35%的运营成本。
Everson解释说,“通常情况下,RAN或多或少是一个单一的系统,部署在那里,软件和硬件集成在一起,随着我们向虚拟化迈进,这个行业将重塑通往这个目标的道路。”
“这是一个完全虚拟化的网络,基于思科的电信云、编排技术。”Everson表示,当Rakuten第一次表示打算构建移动网络的时候,许多业内人士都不知道该怎么做。“现在我们所展示的是,他们在蜂窝站点只需要拥有无线电和天线设备就行了,”
“真正的处理流程并不是在这里发生的,所以只需要让一个建筑工作人员,而不是高级别的技术人员去那里挂天线,基本上就是即插即用,所以他们接入电缆,并反馈到OSS,OSS说,‘我知道你’,启动我们的编排系统,将RAN软件推送到边缘云节点,这有4000个边缘云节点,全部都是基于思科虚拟化技术的,将软件推送到那里,调出所有无线电软件,连接到天线并启动网络,实际上这个过程只需要几分钟的时间,而不是之前的好几天。”Everson解释到。
“Rakuten远远超出了概念证明,这是一个真正的现场网络,他们正在积极推进这种技术。”据思科称,这个移动网络还将支持5G,具有支持5G的IPv6传输和移动回程。
诺基亚CTO:Web级企业是移动网络的未来吗?
诺基亚CTO Marcus Weldon在采访中表示,诺基亚正在为Rakuten提供无线硬件以及端到端的系统集成。“因为他们没有任何自己的基站,所以他们决定直接使用云原生的RAN,而不是采用传统放在塔底的基站。”
“他们租用塔式空间放置无线电,然后回程,但他们不想使用机柜、基带,因此他们选择了云原生,这是他们的第一次。”Weldon表示。
诺基亚也在5G方面与Rakuten展开合作,但表示目前还是采用LTE。据Weldon说,Rakuten案例中最有意思的部分是这家Web级公司向移动网络领域的转型。
Weldon称,“他们身处无线电业务领域,这让他们可以完善他们的Web平台。所以他们是Web级的,但之前没有Web级的企业构建移动网络。Web级构是移动网络的未来吗?Rakuten是第一个尝试这么做的企业。”
好文章,需要你的鼓励
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。