在今天的智慧工厂,生产线上无数的机械臂正以精准的动作、高效的协作,以超乎寻常的速度将无数零件组装成完整产品,库房内忙碌的AGV小车用最短的时间、最快的路径,提升货物运送的效率。
但这些场景难免会遇到时延大、网络丢包、带宽拥堵等问题,影响整体正常效率和产线的正常运行。
因此,未来的智慧生产得以实现的一个重要前提,就是确定性网络技术解决了传统网络存在的时延、丢包、带宽等问题,以“万无一失”的网络服务满足了制造业场景的高标准需求,打通数字化创新与制造业场景融合的“最后一公里”。
确定性网络作为一种创新的技术,可在制造、电力、采矿等高实时性业务场景以及车联网、远程手术等生活场景中进行大规模部署和应用,为新应用场景提供极低的丢包率和确定的端到端的网络传输时延。
作为数字化解决方案领导者,紫光股份旗下新华三集团是最早投入确定性网络技术研发和产业落地的先行者之一,正以全面领先的确定性网络解决方案,为不同场景提供差异化的确定性网络能力,为行业智慧化化变革构建“零失误”的网络平台,为转型激活联接价值。

聚焦四大关键因素,推动产业化布局
以前“尽力而为”的传统网络能够提供充分的带宽,但无法将端到端的网络时延和抖动控制在一个可控区间,很难满足新技术、新场景对网络确定性的需求,导致网络容易发生无法规避、无法预测的突发和拥塞。面对传统网络无法应对的转型难题,确定性网络的技术和标准也得以日趋完善,DetNet、TSN提供了适应于不同场景和需求的确定性网络能力,真正打造出了一至三层自底向上、跨层协同、精确可控的确定性网络。
然而,作为一项创新前沿技术,确定性网络仍旧有一系列技术、生态、成本等层面的问题需要解决,例如基础技术体系复杂导致实现困难、与现网融合不畅、专网建设部署成本高等,这些问题成为了确定性网络产业化落地的最大障碍。
关键技术突破、技术体系建立、现网平滑演进、重点应用生态合作是确定性网络产业化破局的四大关键因素。一方面,确定性网络的发展要持续推动数据面、管控面的技术突破,进一步简化运维管理,为现场级、跨域级和异构等不同场景提供完整的技术解决方案,同时要通过标准化工作和产业链协同,建立完善的技术体系,推动产业平稳有序的协同发展,为确定性网络走向行业营造良好的生态和环境。另一方面,要充分兼顾到现网充分利旧和平滑演进的需求,以更简单有效、安全可控的方式实现确定性网络建设,降低部署和管理成本。此外,更要通过重大科研项目、“产学研用”协同创新、打造示范工程等方式,激发合力,引领确定性网络的加速创新。
实现三大场景重构,加速网络确定性转型
新华三集团是中国最早投入确定性网络技术研究和应用的数字化企业之一,依托智能联接深厚技术积累,整合在网络硬件、软件、系统、应用等全方位、多层次的创新,打造出了业界领先的确定性网络解决方案,为现场级场景、跨域级场景、异构网络场景提供了差异化的网络技术和产品,全面覆盖接入、汇聚和核心网络的需求,以有线无线的融合、TSN与DetNet的融合,实现了端到端的确定性。
●在现场级场景中,新华三能够打造有线无线融合的共一平面,利用5G专网能力以及TSN链路层确定性时延转发机制,在无需全网高精度时钟同步的前提下,保证多业务下确定性传输,以低成本、易管理的方式推动确定性网络的建设与升级。
●在跨域级场景中,新华三能够通过SRv6的可编程能力以及CSQF的确定性队列转发,实现高精度调度和资源弹性分配,推动跨区域间的确定性时延转发,真正做到资源的共享利用,支持1500公里超远距离、大规模组网下的确定性服务,端对端抖动小于15us。
●在异构网络场景,新华三能够在前二种方案基础上,突破介质、接入方式和业务类型等差异化和限制,通过异构网络间对接以及降低异构网络耦合度的方式,实现全场景的端对端的确定性传输,降低建设和管理的复杂度,减少改造和升级的成本。

在这一过程中,新华三集团提交了IETF DetNet、CCSA TC3等多项标准,拥有多项核心技术专利,并且首次在业内提出了基于抖动压缩的方案,开拓了确定性网络的技术和应用边界。同时,新华三与合作伙伴携手同行,与江苏省未来网络创新研究院共同在山东打造出了全球首张确定性网络,将各场景确定性流的时延抖动均控制在15微秒以内,并在业界率先突破了确定性流和非确定性流并存的问题。
在“数字中国”的构建和布局之下,确定性网络作为未来数字基础设施的核心突破之一,将在制造、电力、采矿、车联网、远程手术等行业的数字化变革中发挥无可替代的重要价值。新华三集团作为确定性网络的创新者和应用的推动者,将在“云智原生”战略的深化之年继续投入未来网络的研究与创新,让持续进化的确定性网络与云计算、人工智能等前沿技术深度融合,共同构筑驱动数智变革的强大平台,为数字经济的发展添智赋能。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。