新一代ICT技术的驱动下,上演着一个又一个的“跨界融合”,可穿戴智能设备、物联网、车联网等出现,使得人们将身处无所不在的联接之中。
无处不在的联网和应用,需要强大的网络支撑,也需要保证应用的QoE。身处在网络测试领域的前沿,思博伦通信副总裁兼大中华区总经理谭昊道出了新ICT时代网络测试变化中的感受。
思博伦通信副总裁兼大中华区总经理谭昊
高速以太网:服务提供商希望升级到100G以太网交换和25G服务器连接。从测试角度看,高密度和高速率以太网测试要加速到来。
虚拟化:虚拟化已经扩展到数据中心、运营商网络以及企业网络的每一个组成部分,其背后的推动力量正是SDN/NFV的快速发展。
VoLTE、RCS测试:VoLTE时代已经到来,还伴随着VoWi-Fi以及RCS的部署。然而,VoLTE新服务的交付将是一项极具挑战性的任务。
Wi-Fi offload是大势所趋,网络负载,需要将部分业务流量分流到WIFI网络。然而,实现从移动网络到Wi-Fi无缝且安全的服务切换是关键。
思博伦在过去一两年里产生了一系列收购,谭昊谈到这些收购增强了思博伦应对新ICT时代测试的需求。
“为加强VoLTE/RCS测试方案,2014年收购Radvision技术业务部,VoLTE测试已成为思博伦许多测试解决方案的关键组成要素。在提升客户体验管理上,思博伦2014年分别收购Mobilethink及其全资子公司Tweakker,以及收购DAX Technologies,一是为帮助运营商和虚拟移动运营商(MVNO)改善用户的服务体验,二是提供大数据分析。”
Wi-Fi以及Wi-Fi offload是大势所趋
Wi-Fi每个人都很熟悉,不过如今的Wi-Fi可谓焕发新生。无处不在且易于访问的特点使Wi-Fi在运营商扩展用户体验的战略中发挥着至关重要的作用,因为运营商可以利用它将VoLTE体验拓展到蜂窝覆盖质量较差或容量有限的地区中,尤其是在室内。
另外,现在智能移动设备普及,使得解决当前网络负载过重的方案出现,就是WIFI OFFLOAD,就是分流部分业务流量到WIFI网络上。
从网络角度看,要实现从移动网络到Wi-Fi无缝且安全的服务切换,Wi-Fi AP和分流网关都至关重要。AP使无线设备能够连接至有线网络,而分流网关提供到移动分组核心网的桥接,并且是认证以及运营商服务的中继点。
谭昊介绍到,在终端测试方面,思博伦3月全新推出的方案,可在单个测试平台上实现Wi-Fi语音和Wi-Fi分流的移动性和端到端互操作性测试。
网络测试方面,验证Wi-Fi语音到VoLTE的无缝切换。Spirent Landslide原本便已具备从核心网络到Wi-Fi分流网关的测试能力,现在又扩展到支持AP的测试,这将确保移动运营商在满负载条件下能为用户提供可靠且无缝的服务。
网络测试的新兴市场——车联网
思博伦现在将网络测试的触角渗透到新兴市场。通过收购德国的企业,推出业界第一种汽车以太网测试解决方案,实现联网汽车创新。
为什么进入这一市场,谭昊举例到,宝马最新SUV X5在监控汽车周围情况的摄像头系统的影像传输中使用了车载以太网。宝马还在研究如何在进行提高车载以太网的最大数据传输速度,计划2018年将它的速度提高至1Gbps,而现在的速度仅仅为100Mbps。
车联网测试被提上日程,凭借在固定网络中以太网测试,以及无线和GPS测试领域的经验,思博伦正在与汽车行业合作,帮助其成功地实施汽车以太网。
谭昊指出,主要包括以下测试:
·用户体验:确保车载电话呼叫、应用和媒体流中实现消费级的蜂窝网络质量。
·汽车以太网:测试互用性、功能和性能。简化网络协议方面的一致性。
·车对车:通过全面测试车载数据、蜂窝、无线电和卫星信号,实现安全、强健的车对车通信。
·卫星定位系统和无线连接性等。
今年,思博伦将Spirent Day 2015的主题定为“ICT时代未来网络测试技术与实践”,的确,以移动宽带、虚拟化、云计算和大数据为代表的ICT正在进入最快的改变周期,思博伦也正引领网络测试的技术前沿。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。