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
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。