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
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。