电信公司热衷于采用开放式的移动网络架构,这让他们能够自由地使用来自各种不同厂商的非专有子组件。众所周知,开放式无线电接入网络是通过一套行业标准实现的,电信提供商在生产相关网络设备时可以遵循这些标准。这一切都是为了电信公司提供更多选择,让他们可以从各种提供了可编程、智能、分解、虚拟化的和可互操作等网络功能的组件中进行选择。
为了实现这一愿景,戴尔宣布即将推出Telecom Infrastructure Blocks for Red Hat,这是一款旨在帮助网络运营商满足5G核心和RAN工作负载需求的新产品。这是一套与Red Hat共同设计的、完全工程化的云原生解决方案,捆绑了使用Red Hat OpenShift软件和Advanced Cluster Management for Kubernetes构建、支持和扩展核心网络功能所需的硬件、软件和订阅服务。
现有电信网络通常都是由孤立的堆栈构建起来的,这限制了运营的灵活性,戴尔表示,Telecom Infrastructure Blocks for Red Hat是基于开放式设计的,可以简化下一代开放式电信云的设计和部署,让运营商能够提高IT资源的效率并降低运营成本和功耗。
戴尔表示,Telecom Infrastructure Blocks for Red Hat将于2023年下半年在全球上市。
Red Hat公司电信、媒体、娱乐和边缘生态系统副总裁Honoré LaBourdette表示,网络需要跨基础设施和软件定义架构的分层功能,以及额外的安全措施、编排和云原生应用。“通过与技术娴熟的硬件和软件厂商组成的生态系统进行合作,我们能够更好地为网络运营商提供量身定制的解决方案,满足他们的独特需求。”
除了Telecom Infrastructure Blocks for Red Hat之外,戴尔还宣布推出了一系列专为开放电信网络和边缘部署而设计的PowerEdge服务器。全新的紧凑型戴尔PowerEdge XR8000、XR7620和XR5610服务器将于今年5月全球上市,专为电信、开放式RAN和移动边缘计算工作负载定制。这些服务器基于英特尔第四代英特尔至强Scalable处理器,具有英特尔的vRAN Boost功能,无需外部加速卡。据戴尔称,这节省了大约20%的计算功率,与旧服务器相比降低了拥有成本。
在无线网络方面,戴尔公布了一项新的Dell Private Wireless计划。该计划面向通信服务提供商和其他需要更多选择的企业,包含了戴尔和技术合作伙伴共同开发的多个解决方案,例如,其中Dell Private Wireless with Airspan and Expeto是面向大中型企业的完全集成型产品,使大中型企业能够跨4G和5G网络扩展现场和远程应用支持。
此外,Dell Private Wireless with Athonet则主要针对的是那些希望快速部署所选网络架构的中小型企业。现在这两款产品都已上市。戴尔表示,这些产品都是基于开放式架构的,由戴尔预先测试和验证,包括了自助服务操作功能。
最后,戴尔计划在爱尔兰科克市开设一个新的开放电信生态系统实验室,为客户和合作伙伴提供一个地点以便围绕开放电信生态系统展开协作。该实验室将于今年下半年开放,成为戴尔位于得克萨斯州朗德罗克总部的原始实验室的一个延伸,该实验室为戴尔工程师提供专门的通道,以进行持续的设计咨询和验证。目前,该实验室支持超过25个客户和合作伙伴测试、认证和验证新的开放式电信解决方案。设立实验室的目的是,让一切都可以在实验室中进行测试,然后快速部署到现实环境中。
好文章,需要你的鼓励
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。