该产品是在爱立信旗下云原生基础设施上一个预集成的分组核心网软件版本,用了专门设计、占用空间较小的硬件。
该分组核心网能够支持包括5G独立组网 (SA)、4G和非独立组网(NSA)在内的各种应用部署。
爱立信分组核心网解决方案领域负责人Monica Zethzon表示,“我们通过这一解决方案提供了一种升级到云原生并引入5G核心网的新方法,这种方法建立在我们的全球最先进网络的深厚经验基础之上。这大大简化了现代化进程,同时可以释放我们的世界一流云原生软件的全部潜力。”
新的分组核心网系统旨在解决运营商面临的现代化挑战,例如升级流程日益复杂和效率低下等挑战。
爱立信表示,运营商能够将新的分组核心网以集中式或分布式的方法扩展到现有系统。爱立信将为迁移工作负载的运营商提供支持,并通过解决方案生命周期管理服务监督网络升级。
爱立信称,运营商使用该解决方案的预定义配置后,部署期间需要调整的参数减少了80%,可减少高达30%的能耗。
Zethzon 补充表示,“我们自豪地推出爱立信紧凑型分组核心网,希望可以为通信服务提供商加快云原生之旅和管理容量增长。”
数据分析和咨询公司GlobalData的首席分析师Glen Hunt表示,“爱立信紧凑型分组核心网是一个预集成解决方案,因此可以消除冗长的互操作性和集成测试带来的部署障碍,另外,爱立信紧凑型分组核心网占用的空间更小,而且具备内置配置,这意味着可以实现成本更低、复杂性更低且耗时更短的迁移。”
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。