【西班牙,巴塞罗那,2023年2月27日】在MWC 2023期间,围绕全光家庭、超宽接入、全光城域三大领域,华为发布FTTR全光家庭星光F30、业界首个商用50G PON、城域池化波分三大全新产品与解决方案,助力运营商建设端到端绿色全光网络,支撑运营商全业务高质量发展,并支持面向F5.5G的网络平滑演进、迈向10Gbps Everywhere。
华为光产品线总裁靳玉志发布三大解决方案
●全光家庭:华为FTTR星光 F30是业界首款基于C-WAN架构的全光家庭组网产品,实现六大升级:美感升级,四种颜色、三种安装模式,融入现代家居风格;速率升级,硬件加速和算法调优保障全屋2000Mbps体验;覆盖升级,多波束智能天线提升约30%覆盖;漫游升级,独创SRCN(Seamless Roaming Coordinated Network,无感漫游)调度算法实现全屋无感漫游;并发升级,多终端协同技术大幅降低Wi-Fi干扰,最大可保障128个设备同时联接;服务升级,5A一站式服务能力,构筑精品装维营服务。华为FTTR星光F30让用户畅享数字生活,为运营商增强宽带竞争力,打开万亿增长空间。
●超宽接入:华为发布业界首个商用50G PON解决方案。高密度对称50G PON满足未来园区、工业互联、企业和家庭等场景不断提升的带宽需求;创新锥形放大器和超晶格反射结构实现光功率预算提升约25%,支持现网ODN无改动部署;GPON、10G PON和50G PON三模合一,用户可按需升级,最大化保护运营商投资。作为ITU-T定义的下一代PON技术,50G PON有效支持10Gbps Everywhere,华为创新50G PON解决方案为运营商升级至万兆提供了最优TCO的演进路径。
●全光城域:华为城域池化波分解决方案具有四大能力:全光交换,将OXC延伸到边缘,实现全网光路一跳直达、灵活调度,提升了网络联接性能,并将业务开通时间从月级缩短到分钟级;全池化架构,通过WSS集成技术将9个传统子架集成到一个模块内,9个接入环网共享96个波长,显著提升波长效率,并降低机房空间;全相干100G,面向城域的创新100G相干模块,助力100G波分下沉到CO,带宽提升10倍左右,成本大规模降低;全自动化,给波长打上光标签,通过集中管控单元实现规划、建设和运维自动化,全面降低运营成本。城域池化波分解决方案通过四大能力,打造极简架构、极致体验,重新定义绿色全光网,满足运营商toC、toH、toB全业务发展,支撑未来十年业务演进。
●华为光产品线总裁靳玉志表示:“从F5G到F5.5G,我们不仅要规划未来,还要创造未来。现今,千兆联接正在全球各区域快速普及。面向2025,未来多样化的网络需求更需要无处不在的万兆联接,需要全行业共同努力,拥抱F5.5G,迈向10Gbps Everywhere。华为将携手全球运营商,加快网络升级和新技术应用,支撑运营商不断拓宽业务边界,以极致的用户体验抓住机遇、引领未来。”
2023年世界移动大会于2月27日至3月2日在西班牙巴塞罗那举行。华为展区位于Fira Gran Via 1号馆1H50展区。华为与全球运营商、行业精英、意见领袖等一起深入探讨5G商业成功、5.5G新机会、绿色发展、数字化转型等热点话题,运用GUIDE商业蓝图,从繁荣的5G时代迈向更加繁荣的5.5G时代。欲了解更多详情,请参阅:
https://carrier.huawei.com/cn/events/mwc2023
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。