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
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。