至顶网网络频道 11月24日 综合消息: 11月23日,ODCC(开放数据中心委员会)的全新项目OTII(Open Telecom IT Infrastructure,开放IT基础设施项目)在广州发布。在“2017中国移动全球合作伙伴大会”上,中国移动联合英特尔公司宣布正式启动该项目。
OTII由中国移动联合中国电信、中国联通、中国信通院、英特尔等公司共同发起,首要目标是形成电信行业面向网络IT化转型的深度定制、开放标准、统一规范的服务器技术方案及原型产品,这将进一步推动包括中国移动在内的电信运营商转型步伐。
为什么是OTII?
可以观察到,OTII为面向电信运营商而生,它出现的原因不难理解,因为运营商网络转型是大势所趋。从内生原因来看,运营商网络流量激增、业务面临多样化。一方面,运营商网络架构需要以流量和内容为导向,另一方面,业务需求的多样化需要运营商网络更加灵活和弹性。从外部原因看来,互联网多年成功探索了低成本、高效率技术,正在冲击运营商网络价值。
对于运营商来说,近年来也在一直探索网络转型的路径,例如积极参与开源软件项目、推动开源硬件,以及拥抱云化和软件定义技术。所以,从这个视角来说,OTII则是电信运营商进行网络转型的重要组成部分。
中国移动借力OTII构建新型网络基础设施
中国移动对于进行网络转型一直比较积极,例如两年前提出以降低网络成本、实现业务敏捷高效为目标的NovoNet下一代网络发展愿景。作为创始方先后发起OPNFV、ONAP等国际开源组织等等。
中国移动提出以TIC(Telecom Integrated Cloud)为核心构建新型网络基础设施,即电信集成云。整个布局分为三层,分布式部署TIC:形成网络基础实施资源池,承载不同的网络功能;控制功能集中化:网络控制功能集中在少数核心TIC;媒体面下沉:靠近接入点设置边缘TIC,将大流量媒体内容调度到网络边缘,实现快速卸载和提升用户体验。
TIC是中国移动对未来网络重构的设计,当然这样的设计对硬件也提出要求。例如性能方面,减少流量转发时延、提高响应实时性和性能稳定性,以及增强管理、时钟精度等。
NFV服务器的使用、运维上也提出了要求。包括多个VIM平台、VNF业务与多个供应商、多个型号服务器之间的软件兼容性问题;不同硬件设计、组件选型、BIOS参数等带来的硬件性能、功耗有较大差异问题;不同服务器硬件管理接口带来VIM/PIM等管理软件需要大量适配改造问题;以及不同的服务器硬件形态、面板及端口布局带来的机房空间占用差异大、本地运维复杂问题等等。
所以这也是中国移动希望借力OTII解决的问题,它最重要的特点就是要做深度定制、具有可拓展性、可管理的服务器的主板,这也是为什么中国移动和英特尔一起来发布这个项目的原因。
OTII服务器的特点
中国移动通信研究院大数据与IT技术研究所副所长侯志强在OTII项目启动现场阐述了OTII服务器的主要特点:
· 用户主导深度定制,高度可扩展、可管理的服务器主板(Motherboard)方案
· 重点面向NFV业务(可适配多种业务),也可以用于私有云/公有云等IT类业务
· 面向未来的性能高可扩展或加速,例如25GE/100GE网卡、网络加速技术等
· 提升性能稳定性以简化业务部署,例如NUMA-Balanced设计
· 统一网络芯片、Raid、内存、SSD等核心组件选型或选型列表
· 统一BIOS、BMC等Firmware以及设备管理接口
“未来中国移动也希望对OTII硬件服务器形态做一些统一化的规定。”侯志强说。
共同启动OTII 英特尔助力运营商网络及云化转型
作为OTII项目的重要发起方,英特尔起着至关重要的作用。因为NFV是实现OTII落地的关键技术,英特尔则在携手广泛的合作伙伴推动网络转型,构建敏捷、灵活和可扩展的网络架构。此次共同启动OTII项目,则是英特尔与中国移动共同促进面向NFV的网络转型与云化转型的最新合作成果。
在此次OTII项目中,英特尔将提供Motherboard参考设计方案;支持开展初期方案可行性验证,针对发现的问题进行改进;确保与英特尔后续CPU平台演进保持延续性等等。服务器厂商则基于英特尔主板参考设计和用户需求,完成服务器硬件整体设计、研发、试产,以及开展服务器整机测试、业务测试等。
此外,Intel Select Solution也十分契合OTII深度定制的理念,通过简化的评估过程、快速便捷的部署、优化的工作负载,它能够帮助合作伙伴更快地选择合适的NFVI层硬件。英特尔NUMA-Balanced设计相比非NUMA balanced设计则有性能上的显著提升。
据了解,OTII项目已经在ODCC服务器工作组正式完成立项,并得到ODCC会员单位的积极响应,目前参与到此项目的公司包括华为、浪潮、联想、曙光、中兴、烽火、新华三等逾十家主流服务器及组件供应商,预计后续还有更多厂商将加入项目。
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。