至顶网网络频道 08月03日 北京报道:由天地互连、下一代互联网国家工程中心主办的“2017全球SDNFV技术大会” (2017.chinasdn.org)于 2017年8月2-3日,在北京国宾酒店火热开幕。在3日下午的大会中,NTT DOCOMO网络创新实验室研究主管Kazuaki OBANA分享了主题为“5G时代核心网的需求和期待”的精彩演讲。
NTT DOCOMO网络创新实验室研究主管Kazuaki OBANA
以下为现场演讲实录:
Kazuaki OBANA:大家好。我想为大家介绍一下5G时代的核心网络的需求还有期待。我想首先为介绍一个大体的状况,毫无疑问,现在我们有很多的需求,比方说我们需要我们更加多样化的服务,再一个,我们需要降低延迟性等等。除此之外,可能最重要的一个需求就是我们需要供应出高质量的产品和服务。而且这种服务需要具有高的效率。而且有我们所需求的特性。这就引出了SDNFV。
大家都知道NFV是非常重要的一个技术,当然了,标准化也是其中,这种标准化对于我们的技术发展来说是很关键的,之前也有很多的嘉宾们都已经提到过了,开源是一个很重要的标准。这种标准化对于整个NFV的发展很关键,除此之外我们就能够基于这种标准来组织一系列的活动。
去年在三月份的时候我们建立了一个商业执行的一种商业的网络,这是世界上最早的商业化网络。是由爱立信所提供的。当然了,爱立信也涉及其中,以及思科公司。这就是我们整体的一个架构,大家可以看一下。介绍了我们整体网络的情况,一共有三层,这对于切片而言,切片也涉及其中这个概念。
下面是我们实现网络的关键驱动因素。第一,云的技术,这是一种虚拟化的技术。毫无疑问这是非常重要的技术。下面就是3GKP技术。我们先看网络切片的概念,这是一种三层的构架,我们一直致力于这种构架的使用跟开发。这个是我们去年的时候所做的PoC。这有些不同,这跟3GKP有所不同,因为3GKP定义了什么是切片,以及如何对此加以管理。PoC的概念则是 更加的基础的一个概念,我们不想要把现状加以过多的改变,相反我们所做的工作是我们加强了整个系统的活力性,它的动态。
下面给大家介绍一下目前的状况,IFA发展状况可以看到我们有不同的切片。再比方说IFA028适用于不同的多样的管理域的。我们在这之后能做的是什么呢,以及我们应该怎么做?尤其在NFA这个切片领域,这个才是我们需要考虑的问题。下面想介绍一下网络切片这个概念的现状是什么。
在这个问题上事实上之前公布了一系列的白皮书,有关于NGM,有关美国的5G等等,随后将会有一系列SDA来开始讨论所谓网络切片的问题,这涉及到3GKP,TM4,ITF等等,但是关于切片的概念以及系统的架构,以及实现这种概念的系统架构,我们需要再做进一步的讨论,下面我们所需要做的就是我们要意识到NFV和网络切片是未来实现网络虚拟化的重要的因素。
所以为此我们需要做的是什么呢?首先在NFV方面我们需要进行说明的间隔的分析,这个是在有关于未来的需求,核心网络的需求,还有目前的NFV的需求。再一个,就是我们需要意识到在网络的切片这个问题上,在所有的SDA方面都是有所需求的。下面我想为大播放一个家视频结束我的发言。
(播放视频)
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。