作者:NetApp 亚太区云市场总监 刘志强 (Jesse Liu)
全球首个5G网络所引发的热议,佐证了在这个迅速扩张且价值数十亿美元的行业中成为领导者的竞争已日趋白热化。率先实现5G商业化,是一个国家具备前沿地位的力证,更将为其未来发展铺平道路。
另一方面,就5G网络融入现有商业模式而言,率先实现商业化并不足以保证企业从竞争中脱颖而出。而正确的基础设施和架构可以防止企业建造出“空中楼阁”。
中国在5G发展竞赛中处于领先地位。今年6月,中国工业和信息化部(MIIT)向中国三大电信运营商和中国广播电视网络有限公司颁发了5G牌照。在5G牌照颁发仪式上,工信部部长苗圩指出,5G技术将建立高速、移动、安全和广泛的新一代信息基础架构,有望带来新机遇并有力支撑数字经济蓬勃发展。[1]
这种指数级增长以及5G将产生的数据量将为我们带来一个新的生态系统,为企业带来尚未开发的业务收入。为了最大限度地发挥5G的作用,企业需要从制定一个以数据为中心的有效战略,以应对这些新的应用场景。
利用5G打造制造业的未来
今年年初,中国移动和中国信息通信科技集团有限公司(CICT)合作建立了5G工业互联网联合创新实验室,致力于打造5G工业生态系统。该实验室的另一目标是,通过利用5G网络和信息技术将设计、生产和销售部门连接起来,提高传统行业领域中小企业的效率。[2]
现有的和即将落地的5G应用场景包括智能制造、自动化和工业环境中日益增长的物联网(IoT)应用。这些应用场景也正是“中国制造2025”规划蓝图中提到的,将有助于实现数字化和流程自动化。
例如,中国首条5G智能制造生产线已于今年4月10日在湖北省武汉市投入运营。该5G智慧工厂项目引入了“5G无线+5G边缘计算+移动云平台”的组网模式,通过5G网络实现实时运行状态传输,同时将效率提高30%以上。[3]
智能制造的基础在于利用信息技术产生的实时数据来实现制造智能化。这样可以在实际过程中提高灵活性和生产力,从根本上改变产品的设计、制造和销售方式。
因此,企业必须关注数据服务的一致性,以获得数据可见性、洞察力、访问权和控制权,这将为不同行业的发展及其预期应用场景奠定基础。
数据管理至关重要
原定于2020年实现的中国5G商业化目标现已提前完成。中国移动已在此前宣布,到今年9月底,将在40多个城市提供5G服务。[4]面对闪电般的5G发展速度,企业应该开始考虑推行什么样的采用方法,才能确保之前的投资能够得到充分利用。例如,由于5G网络大多采用虚拟化技术,这可能会对4G LTE之前配置的原有系统构成巨大挑战。
企业和服务提供者将需要开始研究如何将这些增强的网络与迅猛增长的数据结合起来,以极具颠覆性的方式来整合和控制数据,从而改善其业务以及整个社会的效能。
而且,为了在这个新的生态系统中蓬勃发展,IT领导者必须实施新的战略,确定并开拓新的增长领域。这包括对其当前IT和业务网络基础架构的大规模升级。此外,企业还必须要考虑网络设备的维护、升级和停用。
随着5G网络继续推动企业实现IT基础架构现代化并支持关键业务运营,服务提供商为此采取了多种方法,其中包括采用全闪存存储(AFF)和超融合基础架构(HCI)等解决方案。
闪存存储基于高速的电可编程存储器,HCI可简化管理和计算资源。随着5G网络继续推动企业实现IT基础架构现代化并支持关键业务运营,这些解决方案可以极大地帮助企业加快企业级应用程序的运行速度,尤其是在协同运行时。
最终,为了充分发挥5G及其未来应用场景的潜力,企业需要尽早制定一个以数据为中心、合理可靠的战略,并采取慎重的方法,确保能够顺利过渡到成熟的5G网络基础架构。
好文章,需要你的鼓励
Roig Arena 将于 2025 年 9 月在瓦伦西亚开业,借助 Extreme Networks 的 6GHz Wi-Fi 与数据分析技术,实现无缝运营与个性化观众体验,打造全天候活动中心。
麦吉尔大学研究团队开发的LLMSYNTHOR框架创新性地将大语言模型用于高质量数据合成,解决了传统方法在处理复杂数据时的局限性。该框架将LLM视为非参数copula模拟器,通过"LLM提案采样"机制提高效率,并在摘要统计空间中迭代对齐真实与合成数据。实验证明LLMSYNTHOR在电子商务、人口统计和城市移动性等领域生成的合成数据具有卓越的统计保真度和实用价值,为隐私敏感领域的研究和决策提供了宝贵工具。
OpenMamba 是一款意大利独立滚动更新的 Linux 发行版,基于 Fedora 工具构建,提供 KDE Plasma 与 LXQt 桌面。它采用最新组件和标准打包工具,运行稳定且易用,适合规避主流系统限制的用户。
这篇论文介绍了首个开源的验证码测试平台Open CaptchaWorld,专为评估多模态大语言模型智能体的交互式推理能力而设计。研究团队开发了包含20种验证码类型的综合测试环境,并提出了"验证码推理深度"这一新指标来量化任务复杂度。实验结果显示,即使最先进的AI模型成功率也仅达40%,远低于人类的93.3%,揭示了当前技术在处理多步交互任务时的显著局限性。