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
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
Google DeepMind团队发布了EmbeddingGemma,这是一个仅有3.08亿参数的轻量级文本理解模型,却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一,支持250多种语言,特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术,实现了性能与效率的完美平衡,为AI技术普及化开辟了新路径。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
日本奈良先端科学技术大学等机构首次深入研究AI编程工具Claude Code在真实开源项目中的表现。通过分析567个代码贡献,发现83.8%被成功接受,54.9%无需修改直接使用。AI擅长重构、测试和文档工作,但需要人工修正bug处理、代码风格等问题。研究揭示了AI编程工具的实际能力边界和改进方向。