【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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。