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
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。