爱立信、英特尔和惠普企业(HPE)日前在第四代英特尔至强可扩展处理器上成功演示了爱立信的云RAN(英文Radio access network的缩写)解决方案。此举标志着爱立信在完全商业化的基于云的无线接入网络解决方案之路上迈出了重要一步。该解决方案可以帮助通信服务提供商提高网络容量和能源效率,进而获得更大的灵活性和可扩展性。
爱立信云RAN据称是业界首个成功演示的同类虚拟化解决方案,据称云RAN可在具有vRAN Boost功能的新英特尔处理器部署。爱立信合作伙伴表示,这一技术里程碑来得很及时,现在的5G RAN及之后的虚拟化和云原生技术正在越来越受到业界的关注。
三家公司表示,无线接入网(RAN)有一套独特的要求,而云RAN计算平台的处理则尤其有极高的要求。这些处理需求的满足需要诸如最新一代英特尔至强处理器中的加速技术。最新一代英特尔至强处理器拥有先进的功能,可以优化数据包和信号处理、负载平衡、人工智能和机器学习的工作负载性能以及实施动态电源管理。
爱立信、英特尔和HPE之间的合作也正在全球的开发实验室展开,包括加拿大渥太华的开放实验室和美国加州圣克拉拉的爱立信-英特尔联合技术中心。
首次端到端云RAN通话采用第四代英特尔至强可扩展处理器和英特尔vRAN Boost,在爱立信位于渥太华的开放实验室的HPE ProLiant DL110服务器上完成。首次端到端云RAN通话的完成标志着非常重要的一步,可以帮助服务提供商满足对更加开放、有弹性、可持续和智能的移动网络的多样化的需求。
HPE ProLiant DL110服务器针对诸如5G蜂窝处理(vRAN)的需要低功耗、高带宽和低延迟的边缘应用进行了工作负载优化。此外,该服务器是开放的并符合标准。HPE ProLiant DL110服务器是一个运营商级的基础设施,可以提供密集的输入/输出能力并具有PCI2 Gen4速度、加速和第四代英特尔至强可扩展处理器驱动的计算。
爱立信产品域网络主管David Hammarwall解释表示,“我们拥有高性能的云RAN解决方案和对更大的生态系统的广泛支持,这一成就表明我们致力于推动开放RAN的发展。”
他还表示,“我们正在与英特尔和HPE这样的合作伙伴开展合作积极推动开放标准,为未来网络提供智能的和可持续的解决方案。这也证明了我们这些公司之间的强有力合作关系。我们密切地合作并测试了预发布技术和互操作性。这使得我们离实现更快的上市时间和为客户提供高质量产品以提供高性能的云RAN网络的目标又近了一步。”
英特尔公司副总裁兼网络和边缘解决方案部总经理Dan Rodriguez补充表示,“只有通过开放的行业合作才能与爱立信和HPE一起实现这一重大的里程碑。这种强大的生态系统合作对于推动全球创新和大规模的商业部署绝对至关重要。在我们努力将移动网络推向未来的过程中,RAN虚拟化将会是下一个重大转型。”
HPE高级副总裁兼服务提供商、OEM和电信公司总经理Phil Cutrone表示,“我们很高兴能与爱立信和英特尔合作推进开放式RAN创新,以期为为运营商和企业提高网络容量、能源效率、灵活性和可扩展性。HPE ProLiant DL110云RAN优化服务器为爱立信和我们的联合电信客户提供了部署云RAN技术的理想平台,同时也解决了电信公司在功率和性能方面的挑战。”
好文章,需要你的鼓励
SAP S/4HANA内存ERP系统推出十多年后,95%的传统用户表示构建积极的迁移案例需要巨大努力或面临真正挑战。一项涵盖455名CIO、高级IT角色、SAP专家和业务经理的调查发现,83%的受访者不完全理解SAP最新的迁移政策和截止日期,84%对当前信息传递及其对运营的影响表示担忧。SAP为传统ECC系统设定了激进的支持截止日期,主流支持将于2027年结束。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
微软通过其Planetary Computer平台将NASA的Landsat和Sentinel-2卫星数据集引入Azure云服务。该数据集包含来自NASA的Landsat 8、9号卫星以及欧洲航天局Sentinel-2系列卫星的地球监测数据,为气候变化、土地利用、农业应用等研究提供宝贵资源。用户可通过API或Azure存储直接访问这些PB级全球环境数据。微软还建议研究人员使用Azure OpenAI服务创建智能应用,结合AI技术进行土地分类、植被监测、森林砍伐趋势分析等地球观测研究。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。