11月14日,2018 GNTC全球网络技术大会(简称GNTC)在南京召开,紫光旗下新华三集团在会上精彩亮相。作为全球规模最大的网络技术盛会之一,GNTC已经成为网络技术发展的重要风向标,今年的大会吸引了50余个国际组织,150位技术专家, 超过200场演讲,2000余位与会嘉宾。新华三集团副总裁毕首文出席大会并发表了题为《开启网络智能化之旅》的主题演讲。
新华三也在大会的SDN、IPv6、物联网、NFV等分论坛上分享了公司在各领域内的最新技术突破,并在同期举行的SDN FEST测试中取得了优异成绩。
毕首文在演讲中指出,实现网络智能化过程中尤其需要关注:架构变革、技术融合、阶段演进和生态共营。网络架构是整个网络发展的基石,网络智能化是网络发展的必然趋势,新华三的网络架构也进行了面向智能化的演进。
新华三集团副总裁毕首文发表演讲
毕首文还表示,智能化网络需要有序规划,实现平滑演进。面向智能化网络的演进大概可以划分为以下三个阶段:
首先实现网络自动化。网络的自动化和可视化,可以大大简化和优化网络部署和运维。
第二阶段是网络自优化,通过引入大数据分析、机器学习等关键技术,帮助客户进行业务仿真和网络调优,达到了辅助智能的状态。
最后是达到网络自主化的阶段,随着AI技术的自身发展及与网络的深度融合,网络完全实现自学习、自配置、自优化、自诊断、自恢复的状态,面向用户的应用及商业意图,实现网络的全智能化。
网络的智能化需要跨越技术壁垒,通过产业界共同努力,实现从共“营”到共“赢”,新华三将持续聚焦网络智能化的创新和突破,关注用户体验,携手业界合作伙伴一道,开启数字化转型时代的网络智能化之旅。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。