中国联通高度重视边缘云的商用发展,通过联合新华三等合作伙伴,大力推动边缘应用的创新孵化。四川水利项目作为中国联通5G边缘生态的前沿探索与实践成就,将进一步引领5G MEC的行业应用创新与发展,加速5G商用时代的到来。
中国联通集团核心网首席架构师 王常玲
5G技术的创新与发展,让边缘计算为物联网等全新应用创造了新的计算平台。在四川水利工作中,中国联通与新华三等伙伴携手,让基于移动网络的边缘云平台承载水利数据洞察和分析,有力推动了智慧水利的建设和发展。
在万物互联时代,5G技术的演进和成熟不仅将驱动网络架构的彻底重塑,更将推动计算架构的转型。如今,更高可靠性和更高性能的移动网络正在让移动边缘计算(MEC,Mobile Edge Computing)的发展推动高带宽、低时延、本地化业务下沉到网络边缘,让数据以更短的时间、更高的效率、更低的成本得以分析和利用,同时进一步优化了未来的网络带宽体验。水利行业,正是这一变革的直接受益者之一。
作为中国联通MEC边缘云业务重要商用项目之一,四川水利项目是基于MEC的无线接入方案首次在水利行业实践应用,也是新华三应用驱动MEC边缘计算解决方案在移动通信网络的一次成功部署,从各个方面验证了基于MEC的移动通信网络在水利行业应用的可行性及优势,并为5G时代运营商部署边缘云提供了重要参考。
四川智慧水利项目:5G边缘云计算的成功实践
通过4/5G移动通信网络承载,中国联通在四川水利项目中应用新华三部署的MEC边缘云平台,实现了对分布在各水域的摄像头所采集的视频进行本地分流处理,提供河道漂浮物监测、水位读数、非法采砂监控等多种典型行业应用场景服务,大幅降低了对运营商移动核心网、移动回传网和骨干承载网传输资源的占用,并有效满足了部分水利业务对超低时延的需求。这一项目的成功实施,不仅为水利行业打造了更加便捷高效的网络基础,也为运营商探索了未来5G创新应用场景和商业价值。
在本次项目的部署和实施中,新华三MEC边缘云解决方案发挥了重要作用。这一开放解耦的MEC边缘云解决方案,具有中立开放、云化架构、丰富的行业经验以及端到端集成能力等诸多优势。在整体上,新华三基于“云、网、安、基”的MEC技术架构模型,已经形成了一套完整的MEC产业解决方案,并与中国联通、万江科技一道,正式面向业界推出了“5G –MEC水利智能视频云”产品,进一步加速了5G的商业部署。
边缘网络创新,让水利行业迈向智能化时代
在四川水利项目中,中国联通与新华三等合作伙伴携手,从多方面验证了基于移动网络的边缘云计算能为水利行业带来前所未有的优势和价值。无线网络全面的覆盖、灵活的部署,能有效降低项目施工难度,节约成本;同时4G/5G移动通信网络所具备的运营商级别的高可靠性,也让行业客户的网络安全得到了大幅提升。同时,将业务下沉到边缘,降低了运营商回传网络和移动核心网的带宽压力,有效满足了业务对超低时延的需求。此外,通过将MEC与AI人工智能技术创新结合,水利客户能实现河道漂浮物的快速识别、水位监测和非法采砂监控等多种典型水利行业应用,真正做到无人值守,智能告警。
依托将5G网络、MEC边缘云、政企云等创新技术相结合,新华三助力中国联通给水利客户提供了除流量以外的多种增值服务。同时,通过在运营商网络边缘部署边缘云,提供IT池化资源,也为未来支撑多行业政企业务铺平了道路,助力电信运营商实现从管道建设者到生态建设者的数字化转型,最终加速不同行业客户的数字化转型进程。
未来,新华三将继续助力包括中国联通在内的运营商推动5G MEC边缘云的多种商业场景应用与业务创新,助推运营商网络重构与业务转型进程,并将水利行业的实践经验推广应用到更多的行业中,为百行百业的数字化转型贡献更大力量!
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。