至顶网网络频道 02月27日 编译:借助科技巨头思科和诺基亚的硬件和软件,日本乐天(Rakuten)宣布将在短短八个月内推出自己的移动网络。计划于10月推出的Rakuten Mobile Network将成为全球首个完全虚拟化的、基于云的移动网络。
本周在巴塞罗那举行的世界移动通信大会(MWC)上,思科全球移动和5G部门总监Bob Everson表示,该部署将采用思科的虚拟化架构。
Everson说:“这是一个绿色部署,是全新的,因此从一开始就能决定他们想要如何实现这一点,所以这是一种非常创新的方法,是一个完全虚拟化的、基于云的网络。”
思科还在MWC上宣布其Unified Domain Center (UDC) 是“DNA和移动之间的桥梁”,而且思科正在横跨其云、IT和服务提供商组合向Rakuten部署租赁路由和交换软硬件。
此外,思科还将在工程、安全、运营和多供应商系统集成方面提供专家资源。部署之后,其网络中将包括一个具有多访问边缘计算的完全虚拟化网络、软件定义网络、集中和区域数据中心能力,以及全面的服务和基础设施自动化能力。
Rakuten移动网络首席技术官Tareq Amin表示,Rakuten的网络将是“软件驱动的,从上到下实现自动化”。
“通过这种设计方法,我们与思科以及精心挑选的供应商生态系统展开合作,我们相信能够以更低的成本提供高价值的服务,帮助我们的客户分享云创新的真正好处,”Amin说。
据Amin称,与传统移动运营商相比,这种基于云的虚拟化方法将让Rakuten至少节省35%的运营成本。
Everson解释说,“通常情况下,RAN或多或少是一个单一的系统,部署在那里,软件和硬件集成在一起,随着我们向虚拟化迈进,这个行业将重塑通往这个目标的道路。”
“这是一个完全虚拟化的网络,基于思科的电信云、编排技术。”Everson表示,当Rakuten第一次表示打算构建移动网络的时候,许多业内人士都不知道该怎么做。“现在我们所展示的是,他们在蜂窝站点只需要拥有无线电和天线设备就行了,”
“真正的处理流程并不是在这里发生的,所以只需要让一个建筑工作人员,而不是高级别的技术人员去那里挂天线,基本上就是即插即用,所以他们接入电缆,并反馈到OSS,OSS说,‘我知道你’,启动我们的编排系统,将RAN软件推送到边缘云节点,这有4000个边缘云节点,全部都是基于思科虚拟化技术的,将软件推送到那里,调出所有无线电软件,连接到天线并启动网络,实际上这个过程只需要几分钟的时间,而不是之前的好几天。”Everson解释到。
“Rakuten远远超出了概念证明,这是一个真正的现场网络,他们正在积极推进这种技术。”据思科称,这个移动网络还将支持5G,具有支持5G的IPv6传输和移动回程。
诺基亚CTO:Web级企业是移动网络的未来吗?
诺基亚CTO Marcus Weldon在采访中表示,诺基亚正在为Rakuten提供无线硬件以及端到端的系统集成。“因为他们没有任何自己的基站,所以他们决定直接使用云原生的RAN,而不是采用传统放在塔底的基站。”
“他们租用塔式空间放置无线电,然后回程,但他们不想使用机柜、基带,因此他们选择了云原生,这是他们的第一次。”Weldon表示。
诺基亚也在5G方面与Rakuten展开合作,但表示目前还是采用LTE。据Weldon说,Rakuten案例中最有意思的部分是这家Web级公司向移动网络领域的转型。
Weldon称,“他们身处无线电业务领域,这让他们可以完善他们的Web平台。所以他们是Web级的,但之前没有Web级的企业构建移动网络。Web级构是移动网络的未来吗?Rakuten是第一个尝试这么做的企业。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。