中国上海,2022年3月1日 - VIAVI Solutions(VIAVI)(纳斯达克股票代码:VIAV)近日宣布扩展其Open RAN测试套件,该套件可显著提升开发效率并加速上市进程,从而助力业界应对挑战。通过与领先供应商携手合作,VIAVI进一步强化了面向Open RAN的端到端测试和保障解决方案产品组合,可在本地、云或以“即服务”部署。在2月28日至3月3日于巴塞罗那举办的世界移动通信大会(MWC)上,VIAVI与AMD、爱立信(Ericsson)以及罗德与施瓦茨(Rohde & Schwarz)联合演示解决方案。
随着Open RAN从实验室走向外场,各种新技术的部署挑战都因需要支持传统网络而愈加复杂。虽然新进运营商对该问题担心较少,并且能够更快速采用云原生架构,但现有运营商则需在大量订户需求和营收基础间寻求平衡。在此情况下,运营商需要供应商来配置解决方案以应对多代无线电技术,将传统基础设施和云相连并与当前的设备供应商进行集成。
为应对Open RAN的加速采用,VIAVI业界领先的端到端测试和保障解决方案产品组合正加入若干增强功能:
VIAVI致力于在不断发展的行业中提供全面的解决方案套件。为此,VIAVI与领先企业的生态系统建立合作伙伴关系。近期进展包括:
VIAVI首席技术官Sameh Yamany表示:“Open RAN正由实验室走向现实世界,而将理论上合理的技术和架构映射到各种各样的实施场景中时,会出现混乱的复杂性。VIAVI利用自身数十年来在蜂窝和虚拟网络测试工具方面的领导地位,在O-RAN联盟等行业组织中的关键作用以及我们与其他主要供应商的紧密关系,确保我们的客户能够获得卓越的定制化解决方案。”
在2022年巴塞罗那世界移动通信大会(MWC)上,VIAVI与以下合作伙伴进行联合演示:
AMD(2M61号展台):VIAVI和AMD联合演示测试O-DU成本效益的能力,通过一款小尺寸解决方案,实现在小而紧凑的解决方案中同时进行UE仿真和开放前传测试。VIAVI TMLite基于搭载AMD EPYC CPU的服务器,可在运行测试时作为被测设备连接至O-DU,且上行和下行的数据速率都显示在高阶MIMO载波上。借助具有成本效益且紧凑的解决方案实现优异的性能测试。
爱立信(2O60号展台):爱立信智能自动化平台可赋能各类网络实现智能自动化,且适用于包括专用网络和云RAN/Open RAN在内的全新及现有4G、5G无线接入网络(RAN)。使用该平台,爱立信的运营商客户将能够利用rApp的智能性,并结合在该平台上运行的其他rApp来创建服务。VIAVI的NITRO Mobility地理定位功能将作为rApp提供,该模块化的无线网络应用利用了服务管理和编排(SMO)平台的非实时RAN智能控制器(Non-RT RIC)功能。NITRO Mobility是一款领先的智能、保障和优化解决方案,可基于地理定位及应用感知提供洞察。
罗德与施瓦茨(5A80号展台):VIAVI和罗德与施瓦茨联合演示O-RAN WG4前传一致性测试,并且通过VIAVI的自动化TM500 O-RU测试仪与R&S SMW200A矢量信号发生器、R&S FSVA3000信号和频谱分析仪以及R&S VSE信号分析软件对一项O-RU参考设计进行验证。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。