在MWC2019世界移动大会期间,“中国联通MEC边缘云商用加速计划发布会”在场内同步举行。数十家业内与联通达成战略合作,共同探讨MEC边缘云技术标准、平台架构、组网方案、落地实践等。
九州云CEO张淳(左)
九州云在此次发布会上获得了“中国联通2018年MEC边缘云金牌合作伙伴”的殊荣,至顶网记者在发布会上对九州云CEO张淳进行了现场采访。
对于5G的应用方向,中国通信领域流传着这样一句口号:4G改变生活、5G改变社会。业界普遍认为面向5G的杀手级应用,企业级应用将是一个核心爆发点。九州云CEO张淳在接受记者采访时,也表示非常认同这样的趋势。
根据MWC举办机构GSMA的研究,在初始阶段,5G网络将集中力量提升4G网络的容量,以支持不断增长的移动数据流量需求。在增强型移动宽带(eMBB)服务方面,如4K / 8K等超高清视频将是一个能够利用5G特性的重要方向。
张淳表示,在视频的具体应用场景上,相对于消费者应用,九州云更加关注工业应用场景。这在九州云“刀具监测与寿命预测智能管理边缘计算平台”的案例当中,可以很好的佐证他的相关观点。
刀具行业是传统工业的代表之一,在刀具使用量不断增加的情况下,一些问题也在不断产生,比如无法精确追溯刀具流转,刀具寿命统计人工手动统计费时费力;30%以上的刀具寿命都被设置为冗余而浪费;刀具磨损、崩刀等过程无监控,质量风险大。市场上现有刀具加工计数预测法、加装传感器物理监测法等刀具监测解决方案,均存在部署慢、准确率低等弊端,同时边缘侧环境部署复杂、灵活性低,不利于大规模统一管理,整体维护监控,且升级维护成本高。
在这方面的问题,利用基于数据分析技术与5G网络的开源边缘计算管理平台将很好的予以解决。基于OpenStack的核心云与边缘云平台,实现边缘侧工业数据的快速处理和基础服务的快速提供;集成强大的CNC底层数据采集能力,适配不同品牌不同型号的数控设备,利用数据分析、AI手段对刀具的情况进行实时监测;边缘侧基于5G网络快速获取数据,中心云端储存分析,部署时间比传统刀具监测模式提高90%以上,硬件成本比传统模式节约95%以上。张淳认为,由于良品率等指标对传统制造企业的成本影响很大,在这些领域进行IT投资,对客户来说,非常容易衡量投资产出比,应用速度也就非常之快,应用前景也将非常广阔。
此次发布会的主题是面向边缘计算, 张淳认为,OpenStack基金会已经成立专门的边缘计算工作组来特别关注云计算向边缘演化的趋势,如定义相关用户场景、讨论相关工具和架构等,以便对边缘计算基础架构提供更好的支持。九州云作为国内领先的开源技术服务提供商,在多个边缘技术相关的开源领域积累了雄厚的技术实力,2018年九州云成为开源边缘项目“StarlingX项目”始创成员单位之一,并在全球8个技术委员会(TSC)中获得唯一的一席中国厂商席位。九州云是编排相关技术Tacker项目全球第一的贡献者,在边缘底层Undercloud部署和分发领域,九州云参与并发起了“Airship项目”,可以说九州云在边缘基础架构和边缘编排项目中都具备领先的技术渊源与实力。
谈及九州云与中国联通的合作,张淳表示,九州云一直致力于为中国用户提供优质的基础设施云服务,在计算、存储、网络的集中管理方面有着深厚的积累,而这些优势可以延续到边缘计算领域,尤其是对开源解决方案有着高级别要求的电信运营商,九州云能够很好的将这方面的能力赋能运营商合作伙伴,以提升其对客户的最终交付能力。
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。