乐天移动已选择思科、诺基亚和F5作为合作伙伴,为其在日本的5G SA网络提供支持,通过云原生、人工智能驱动的系统来简化运营、降低成本并提供更好的客户体验。
此举是为了响应全球5G独立组网(SA)和云原生技术的加速发展,旨在推动业务转型、削减成本、实现现代化,同时人工智能需求在各行业中呈爆发式增长。
自2019年推出全面商业移动运营商服务以来,乐天移动一直致力于通过云原生技术和Open RAN标准提供"经济实惠、高质量的移动服务",从而改变全球电信行业格局。该公司表示,新的战略合作伙伴关系将增强网络能力,通过人工智能驱动的系统简化运营,并为消费者和企业推动创新。
该公司解释其举措的理由时表示,随着对更快、更可靠、更安全的移动连接需求不断增长,它承诺通过"最先进"的连接服务提供"无与伦比"的服务。为了保持竞争优势并提供现代数字体验,乐天移动表示已寻求与一流合作伙伴合作,为其在日本的移动用户提供"无缝"的5G核心网络服务。
乐天移动联合首席执行官兼首席技术官Sharad Sriwastawa表示:"乐天移动在2019年凭借全球首个基于Open RAN的端到端云原生虚拟化移动网络颠覆了行业。今天,我们正在加速向完全自主的网络运营演进。通过5G、人工智能的力量,以及与思科、诺基亚和F5等领先创新者的战略合作,我们为日本客户提供最先进、安全和可持续的移动连接。我们正在为智能、云原生移动网络设立新的全球基准,满足消费者和企业的动态需求,巩固我们作为全球领先创新者的地位。"
与思科、诺基亚和F5的战略技术合作伙伴关系的基本目标是为客户提供卓越的移动体验,其特点是改善网络性能和可靠性、增强安全性和可扩展性、更快的速度、扩大覆盖范围以及创新的5G服务。
作为合作的一部分,乐天移动将部署思科的移动分组核心产品组合,作为其在日本网络服务演进下一阶段的基础。思科移动分组核心旨在使乐天移动能够部署5G服务,通过其人工智能驱动的系统简化运营,改善网络性能并提供新的创新服务。
为了加强乐天移动网络的可靠性和安全性,诺基亚将为其5G SA网络提供云原生网络功能(CNF),包括认证、用户数据管理、信令、分析和IMS语音。这些将部署在乐天交响乐的云原生平台(CNP)和云原生存储(CNS)上。
生命周期运营将通过诺基亚的云运营管理工具实现自动化,该工具专为分布式、多租户、多供应商云基础设施而设计,以优化和管理平台资源使用。
F5将致力于增强乐天移动5G SA核心网络的安全性和可扩展性。据说这一合作代表了F5的BIG-IP Next云原生网络功能在其Gi/N6 LAN服务中的行业首次展示,该服务集成到思科移动分组核心产品组合中。
除了合作伙伴关系外,乐天移动还宣布了5G网络扩展,在九州/冲绳、四国和中国地区的5G覆盖范围翻倍,同时增强室内和体育场连接。
乐天移动还与Wolt Japan建立了业务联盟,推动餐饮服务业的人工智能和数字化转型,旨在解决日本各地餐厅面临的挑战。
Q&A
Q1:乐天移动为什么选择思科、诺基亚、F5作为5G SA网络合作伙伴?
A:乐天移动选择这些合作伙伴是为了通过云原生、人工智能驱动的系统来简化运营、降低成本并提供更好的客户体验,同时响应全球5G独立组网和云原生技术的加速发展趋势。
Q2:这些合作伙伴分别提供什么技术支持?
A:思科提供移动分组核心产品组合作为网络服务演进的基础;诺基亚提供云原生网络功能包括认证、用户数据管理、信令等;F5负责增强5G SA核心网络的安全性和可扩展性。
Q3:乐天移动的5G网络扩展计划是什么?
A:乐天移动宣布在九州/冲绳、四国和中国地区的5G覆盖范围翻倍,同时增强室内和体育场连接,并与Wolt Japan建立业务联盟推动餐饮服务业的人工智能和数字化转型。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。