【西班牙,巴塞罗那,2023年2月27日】在MWC 2023期间,由欧洲知名分析调研机构IDATE主办的“绿色全光网络论坛”成功举办。论坛上IDATE、标准组织、华为、产业组织、领先运营商等都倡导加速千兆网络建设,华为光产品线总裁靳玉志发表主题演讲并阐述了“绿色千兆”愿景,定义了实现绿色千兆全光网络的“G-I-G-A”四大发展方向,呼吁全光产业各方行动起来,共同推动绿色千兆网络的发展,支撑未来网络演进至万兆,持续迈向F5.5G。
IDATE成功举办“绿色全光网络论坛”
千兆宽带已在全球加速发展,随着8K、IoT、VR、AR等应用的加速和普及,人们对于带宽和联接的需求将急剧增长,在此趋势下,华为阐述了“绿色千兆”的愿景:带宽和联接数增长5倍以上,而单比特建网和运维成本降低至五分之一,同时能耗不增加。靳玉志倡议,光网络需要在“G-I-G-A”四大发展方向上构建网络能力,即超大带宽(Giant capacity)、全维智能(Intelligence for all)、确定体验(Guaranteed experience)和极简架构(Architecture simplified)。华为绿色智简全光网具备从“G-I-G-A”四个方向进行全面升级的能力,助力全球运营商构筑绿色千兆全光网络,为用户提供优质的千兆体验,并支撑网络向F5.5G演进。
华为光产品线总裁靳玉志发表主题演讲
超大带宽:从骨干到末端家庭,千兆网络需要高性能400G、端到端OXC、城域OTN、10G PON和FTTR等创新技术,打造400G到骨干、100G到城域、10G到接入、1G到房间的全光网络,打破节点容量、网层容量和网络端到端容量的瓶颈,满足业务带宽需求,帮助运营商增收。
确定性体验:华为FTTR星光F30将光纤从家庭延伸到房间,创新的C-WAN架构实现2000Mbps全屋Wi-Fi覆盖,无感漫游,带来最佳家庭体验;华为OptiX Alps-WDM将OTN从汇聚节点下沉至CO,形成端到端全光网络,实现最佳承载体验。
极简架构:两个“一”实现极简全光架构。一站式接入,华为CO+AirPON方案将10G PON能力带到杆站、路边站和楼宇内,创新聚合管理方案将多站点融合为单站点管理,通过一个站点和一张网络接入toH和toB所有业务,OPEX 降低约60%;全光一跳直达,华为OXC立体骨干方案与城域池化波分方案结合,实现了业务从云端到用户端的全光调度,大幅降低建网成本、空间和能耗。
全维智能:全维智能带来体验提升、运维效率提升和能耗降低。品质宽带解决方案通过对体验数据的分析,主动及时发现故障并完成优化;光缆数字化方案通过设备对光缆的感知和数据集中分析,实现光缆网络可视可管;绿色全光运维方案能够根据单板、端口使用率和流量进行动态节能调整。
靳玉志表示:“华为将持续创新,基于绿色千兆愿景和‘G-I-G-A’四大发展方向,支持运营商打造面向未来业务发展、高效运营的绿色千兆全光网络。”
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。