云网际会·连接未来 | 2020中国云网络峰会在京圆满落幕!
12月19日,由中国通信学会指导,江苏省未来网络创新研究院主办,SDNLAB承办的首届中国云网络峰会于北京盛大开幕。
12月19日,由中国通信学会指导,江苏省未来网络创新研究院主办,SDNLAB承办的首届中国云网络峰会于北京盛大开幕。首届中国云网络峰会立足于云网协同发展,以网络与业务需求高效联动、云网技术深度融合为依托,汇聚云计算劲旅和行业云网络技术翘楚,围绕云网络涉及的云网基础设施、数据中心网络、云原生网络、智能云网、无损网络、云边协同、多云互联等热门技术话题论道,共话云网络生态发展与繁荣。
首届云网络峰会形式内容丰满,分为上午主会场和下午三个分论坛,三个分论坛涵盖云网络技术趋势,行业应用以及学术研究三大主题。参会嘉宾更是多元,共有40+行业重磅嘉宾临席,囊括产、学、研、用各个方面。阿里云、华为云、谷歌云、英特尔、英伟达、中国电信、中国移动、中国联通、鹏博士、星融、世纪互联、天弛网络等行业巨头和业界精锐携最新成果集结云网络展会,可谓是众星云集。

火爆的展会现场
中国通信学会副秘书长文剑出席大会并致辞,他表示,在创新驱动战略和“互联网+”国家战略的双风口下,云网融合显现出强大动能,对信息通信行业产生了深远的影响,也是5G时代新基建的重要特征。在新基建中,云和网是关键要素,两者互相促进、互相补充,云网融合是新基建的核心驱动和本质内涵,是新基建发展的必然选择。
中国通信学会副秘书长文剑
中国工程院刘韵洁院士提出,未来网络正向开放化、白盒化、云化、SRv6方向发展,端到端能力、可编程能力将进一步优化和突破。他表示,互联网正式进入下半场,在要求海量连接的同时,也要求网络具备确定性服务质量的能力(质量确定、海量连接、质量可定制)。云网超融合,业务全云化,将是网络发展的一个关键方向。
中国工程院刘韵洁院士
随着我国数字化进程的不断推进,企业信息化建设进入了新的阶段。作为大数据、区块链、人工智能等新一代信息技术的基础,云计算成为了企业向数字化、网络化、智能化转型的重要引擎,网络则是企业信息化的重要承载和依托。在中国云网络峰会上,各位行业大佬、技术大牛立足于自身所在的专业领域,从硬件到软件,从理论到实践,从更加细分的专业角度切入云网络,带来高含金量的精彩分享。
专家指出,云网一体化是未来云网融合的重要趋势。云对网络性能、网络可用性、网络智能性、网络安全、柔性适配能力提出了要求;网对云的统一承载与集约运营能力、虚拟网元能力开放与增强、电信级安全性也有诉求;云网融合的数字化平台则对云网的云资源备份和多线接入、云网能力服务化提供、云能力和数据的协同、云原生开发、云网内生安全提出了需求。云网融合给技术发展带来新空间。
在新基建的大潮中,云计算应用场景不断拓展,已经深入政府、能源、金融、医疗、工业、交通、物流等传统行业,不同形式和类型的云网融合服务将更好地支持垂直行业发展,加速行业应用,促进万物互联。在中国云网络峰会上,走在云网一线的资深专家们用真实典型的案例,从底层基础设施到上层应用,聚焦云网产业痛点,给我们带来了切实体会和宝贵经验。
云的理念让网络更理解用户诉求,从幕后延伸到台前;网让云的范围进一步延伸,从中心扩展到边缘;5G的加入更是让云网的得到进一步的提速和扩容,以更包容的姿态让科技和人文交互。嘉宾指出,大型政企成为上云主力,网络是首要挑战。咨询、规划、迁移、运维、安全、多云管理等云网服务也是企业网络挑战面临的关键问题。针对不同应用场景与会嘉宾也提出了最后一公里网络优化、网络运维自动化、混合云网监控等实践分享。针对最后一公里的国内外网络质量差异、客户网络复杂导致的接入调度难题,与会嘉宾也围绕业务平面、网络调度控制面、边缘容器控制面、数据平面等维度进行了详细解读。
探索技术前沿,产学研协同创新

大会学术论坛围绕网络5.0、智能融合网络、多元网络空间融合等前沿议题展开研讨,并针对数据中心、边缘计算、分布式机器学习等场景进行了研究成果分享。
在云网络学术领域,北京邮电大学教授、信息与通信工程学院执行院长彭木根,工业和信息化部电信研究院科技委主任蒋林涛,香港科技大学副教授陈凯等重磅嘉宾出席峰会,展示云网络领域最前沿的研究成果,共同探讨云网络下半场的机遇、挑战和发展。
2020年疫情之下,企业上云步伐加速,云网络服务需求进一步聚集,加之新基建、内外双循环的政策指引,云网络进入全新的行业审视阶段, 2020首届中国云网络峰会紧跟趋势,集结行业精锐,畅谈云网生态发展,探索云网技术前沿,共享机遇,共迎挑战,共创未来!
0赞好文章,需要你的鼓励
推荐文章
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。