首先是与Nvidia的新合作伙伴关系,双方旨在推进RAN部署在跨混合云和多云平台的行业标准服务器上。红帽解释说,红帽的Kubernetes平台Red Hat OpenShift增加了对Nvidia融合加速器和Aerial SDK的支持,以帮助企业构建更强大的5G虚拟RAN和其他企业应用。红帽表示,此举提供了一个“可组合式的基础设施”,让客户能够支持边缘计算、人工智能、私有5G等应用更密集的计算需求。

与Nvidia的此次合作旨在让网络运营商能够采用开放式的架构,使他们能够在来自众多厂商的非专有组件之间进行选择。电信供应商在构建网络设备时可以遵循的各项行业标准,让开放式无线电接入网络变成可能,从而为最终用户提供了更多选择,让他们可以自由地从各种可编程的、智能的、分解的、虚拟化的、可互操作的网络功能中进行选择。
电信公司则通过使用可组合式基础设施,无需更专业的软件和硬件,从而简化他们的资源并优化现有的IT环境。他们可以使用Red Hat OpenShift作为他们网络基础,将其与他们选择的基础设施组件进行配对,然后集成Nvidia的GPU、DPU和融合加速器,将GPU与DPU结合到一个包中,更快速地处理数据包。红帽表示,这种设置还让网络运营商能够将那些需要更高安全性的基础设施密集型任务进行隔离。
红帽表示,除了Nvidia之外还将与三星展开合作,提供一种新的vRAN解决方案,该解决方案具有增强的集成和自动化功能,并将在今年下半年作为概念验证提供给客户。红帽表示,该解决方案旨在帮助服务提供商更好地大规模管理他们基于Open RAN的网络,同时提供更高的灵活性和运营效率,以满足5G的需求。
在能源效率方面,红帽正在与英国芯片设计公司Arm展开合作,打造新的网络解决方案,以降低一系列应用的功耗。此次合作包括开发和测试新的能源效率概念验证,将红帽的开源技术与Arm最高效的、基于精简指令集计算架构的计算平台相结合。红帽方面解释说,通过在Arm最新Neoverse CPU上运行Red Hat OpenShift和Red Hat Enterprise Linux,客户将能够获得性能更好的、更节能的CPU架构,该架构现在经过定制可以在低延迟5G网络上运行云原生应用了。
同时,为了帮助企业更好地了解工作负载的耗电情况,红帽宣布推出基于Kubernetes的开源 fficient Power Level Exporter项目。众所周知,Kepler刚刚被捐赠给云原生计算基金会,此举将使更广泛的社区能够扩展其功能。
Kepler是一款可以获取能源使用指标的软件,可以接入一系列网络基础设施平台,专注于报告、减少和回归分析,帮助企业更好地了解如何控制能源消耗。Kepler通过使用CPU性能计数器、扩展的Berkeley数据包过滤器、机器学习等技术来估算工作负载的功耗,然后将此信息导出为指标,然后用于调度、扩展、报告和可视化,使用户能够准确评估其云原生工作负载的碳足迹。
除了优化网络基础设施外,Kepler还可以通过帮助开发人员创建耗电更少的应用,来帮助他们开发更具可持续性的软件。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。