高性能光学组件供应商 Fujitsu Optical Components (FOC) 的 ZR/ZR+ 模块、白盒交换机/路由器解决方案提供商 UfiSpace 以及网络解决方案公司 DriveNets 宣布完成了多项 DriveNets Network Cloud 软件在 UfiSpace 白盒上的测试和认证。
像 Fujitsu 这样的 ZR+ 模块,当与分解式网络解决方案结合时,据称能为网络公司带来经济效益,最大化模块传输距离并扩大服务提供商的选择范围。
DriveNets/FOC 的组合解决方案旨在确保 DriveNets 网络操作系统 (DNOS) 不仅支持将 FOC 的 ZR/ZR+ 模块插入白盒,还在 UfiSpace 白盒上支持这些模块。它还支持这些模块在多种操作模式下运行,包括 ZR 和 ZR+。
这三家公司表示,他们正在合作,通过将三个通信层合并为单一平台并消除对独立光学转发器的需求,为网络运营商带来显著的成本节约。这也有助于减少运营商的硬件占用空间,降低运营开销、占地面积和能源使用。
FOC 光学解决方案还包括来自 NTT Innovative Devices Corporation 的组件,该组件旨在通过创新的基于光学的基础设施技术克服现有基础设施的限制,实现高速、大容量通信。
这一战略与 NTT 主导的创新光无线网络计划 (IOWN) 保持一致,该计划旨在满足未来超连接商业世界的不断增长的需求,提供利用光子技术的超高速、大容量互联网服务的未来全球通信基础设施。
从技术角度来看,IOWN 包括三个主要技术领域:全光网络 (APN)、数字孪生计算和认知基础。包括终端在内的网络和信息处理基础设施旨在使用专注于光学的技术提供高速、大容量通信,以及大量计算资源。
DriveNets、UfiSpace 和 Fujitsu Optical Components 都是 IOWN 全球论坛的成员,该论坛推广 IOWN,共享未来通信基础设施的愿景。这个组合解决方案将成为 IOWN 网络解决方案的一部分,提供capable 400Gbps 长距离传输的交换机/路由器。
Fujitsu Optical Components 的企业官员 Yukiharu Fuse 表示:"我们与 DriveNets 的合作使运营商能够构建更高效的网络,并简化端到端网络管理。这种整合不仅确保 FOC 的 ZR/ZR+ 模块能够被 DriveNets Network Cloud 软件无缝调整、配置和管理,还保证了一个经过充分测试和验证的集成解决方案。"
UfiSpace Japan 负责人 Norry Lin 补充说:"我们在开放分解式网络方面的共同愿景已经在行业中产生了重大变化,使运营商在构建网络方面拥有更大的灵活性,并允许他们大幅提高网络效率。今天的公告更进一步扩大了服务提供商的选择,并减少了硬件占用空间。"
DriveNets 全球战略联盟副总裁 Nir Gasko 表示:"ZR+ 模块的最新进展简化了相距数百公里的数据中心之间的连接,同时创建了一个融合的网络基础设施,减少了运营商需要管理的网络元素数量。像 Fujitsu Optical Components 提供的这样的创新 ZR+ 模块,与分解式网络解决方案相结合,为全球运营商带来了巨大的经济效益。"
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。