2017年11月28日-30日,由天地互连-下一代互联网国家工程中心主办的GNTC 2017全球网络技术大会(www.theGNTC.com)将在北京长城饭店会议中心火热开幕。作为中国本土规模最大的网络技术盛会之一,GNTC 2017将汇聚超过2000位行业精英,共话全球网络重构。11月29日上午,由下一代互联网国家工程中心副主任李震主持的NFV 网络功能虚拟化Summit是本次大会的一大亮点,国际组织OPNFV、ETSI NFV ISG、开源社区ONAP,运营商中国电信、中国联通、中国移动、西班牙电信,以及华三、华为、中兴等企业都将参与此专场峰会,NFV领域的技术大咖们将带来自己的独特观点,与场内嘉宾和观众展开热切交流。
作为Linux基金会创建的NFV开放平台项目,OPNFV致力于为加速各种开源生态系统NFV组件的融合、部署与验证而打造出一个基准性NFV平台,一直受到国际的广泛支持,并于今年10月刚刚发布其项目的新版本Euphrates,在功能、互操作性和性能方面更进一步,帮助运营商通过开源NFV推进网络转型。OPNFV董事会副主席Lingli Deng将具体介绍OPNFV的工作计划。
自今年2月份成立以来,ONAP在业界引起了强烈的反响,全球有50多个会员加入此开源社区,覆盖全球移动用户数超过50%。今年底,ONAP将发布第一个版本“Amsterdam”,支持三大场景,把Open-O和ECOMP代码库集成到一个通用的编排平台中。ONAP国际开源社区董事会总裁、中国移动研究院网络技术研究所副所长王亚晨将在NFV Summit分享ONAP最新进展。
从2012年10月成立至今,ETSI(欧洲电信标准协会)NFV ISG(Network Functions Virtualisation Industry Specification Group)已发布60余份文件,拥有超过300家企业成员,包括38家世界主要运营商,共同推进NFV的应用、测试以及相关标准的制订。在本次NFV Summit上,ETSI NFV TST主席Pierre Lynch将重点与大家交流ETSI NFV ISG最新研究和实践成果,让现场观众对未来NFV发展有更加全面的认识。
运营商们是推动网络重构的中坚力量,而NFV则是推动此变革的基础技术之一,以中国电信、中国联通、中国移动为代表的国内运营商,以及西班牙电信等海外运营商,在各自的转型计划中都十分重视NFV技术的发展与应用。中国电信北京研究院网络演进与规划中心主任李晨、中国联通网络技术研究院NFV解决方案经理童俊杰、中国移动研究院网络所NFV技术专家陈佳媛,以及西班牙电信网络虚拟化与技术总监Antonio Jose Elizondo Armengol将从运营商角度阐述NFV对产业的影响。
此外,华三、华为及中兴作为世界知名企业的代表,也密切关注NFV,一直致力于技术实践、改进实际应用。截至2017上半年,华为在全球已部署260多个NFV项目,是ETSI NFV ISG主要成员之一;新华推出了专门针对运营商市场的电信级云平台——H3Cloud CG,以助力网络解耦进程,加速NFV规模商用落地;中兴也在全球成功部署超过240个SDN/NFV商用/实验局,与全球领先运营商深度合作,成果颇丰。NFV Summit汇聚众多技术大咖,精彩纷呈敬请期待!
本届GNTC大会共设有2场全体大会、1场圆桌论坛、8场技术峰会及数场Workshop,除NFV外,议题还涉及网络重构、云网协同、互联网基础设施、IPv6、SDN、5G、NB-IoT、网络安全、云和数据中心、边缘网络和边缘计算、P4、CORD、ONAP、网络测试等新一代网络技术的各大热点,旨在全面推动全球网络重构发展进程。请访问大会官网www.theGNTC.com,或关注官方微信号“theGNTC”,立刻注册参会。
好文章,需要你的鼓励
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。