[中国,深圳,2024年4月17日] 今日,华为全球分析师大会隆重举行。在“加速迈向网络智能化”主题论坛中,华为数据通信产品线副总裁赵志鹏发表了主题演讲,阐述了华为全面引入AI技术,从组件级、任务级、再到系统级,逐步升级网络能力,推动网络智能化加速落地,与业界伙伴共议Net5.5G产业的发展趋势和未来方向。
2024年,Net5.5G迎来商用元年,网络基础设施的发展方向愈发明确。会上,全球云网宽带产业协会(WBBA)与其成员共同提出了Net5.5G产业倡议,号召建设高速高质量的网络基础设施。同时,中国信息通信研究院曹蓟光也分享了Net5.5G下一代互联网总体架构,标志着网络技术迎来又一次创新热潮。
华为数据通信产品线副总裁赵志鹏发表演讲
华为数据通信产品线副总裁赵志鹏表示:“随着AI技术的飞速发展,网络智能化部署迎来重要拐点,网络需要与AI技术深度融合,使能Net5.5G网络进入智能化时代。我们认为,Net5.5G时代的网络创新应该包含两个方面,一是AI For Networks,数通智能化网络由智能网元、数字孪生和生成式AI三层架构构成,共同支撑起高效、智能的网络运营。智能网元构筑全量数据信息,提升决策效率;数字孪生实现网络实时可视、多维仿真和闭环优化;生成式AI则通过精确理解用户意图,协同各层实现网络智能化服务。二是Networks For AI,AI加持的数通网络解决方案不仅能够精准契合智能化网络需求,更能反哺AI训练效率,助力智算运力大幅提升。”
华为已经在数据通信领域率先落地网络智能化技术,推出Net5.5G智能化网络解决方案,在五大领域全面增强网络能力。在NCE领域,华为打造业界首个生成式AI加持的网络大模型应用Net Master,并全新升级高清网络数字地图,引领行业加速迈向L4自智网络。在园区网络,华为进一步强化了Net5.5G高品质万兆园区网络能力,通过引入智能联合调度、智能天线技术升级无线体验;引入智能多媒体应用调度升级应用体验;引入AI潮汐算法推荐、园区数字地图升级运维体验。在数据中心网络,Net5.5G星河AI数据中心网络通过与智能化深度结合,率先实现智算场景网络0阻塞;与传统以太相比,同等集群规模下AI训练效率提升20%。在广域网络,Net5.5G融合广域网络方案,结合智能化技术和弹性调度算法,可精准识别关键应用并大幅度提升网络运力,以及抵御秒级恶意攻击。此外,在网络安全产品方面,华为推出HiSec SASE解决方案,打造安全智能体,通过智能分析、智能处置、智能检测,实现智能防御,安全运营效率相比传统提升百倍。
作为Net5.5G的国内先行者,科大讯飞基础架构网络总监鲍中帅分享了在数据中心网络领域的创新实践。科大讯飞采用Net5.5G星河AI数据中心网络成功构筑了万卡集群数字底座,后续科大讯飞将和华为持续联合创新,建设更大规模、800GE的智算集群,为智算行业注入新活力。同时,Net5.5G在全球部署也取得了重大进展,土耳其Turkcell、巴西vivo、阿根廷电信等不同区域运营商客户在4月8日圆满落幕的MPLS SD & AI Net网络世界大会上分享了各自在Net5.5G的商用实践进展,并呼吁全球运营商携手推动Net5.5G生态成熟,加速Net5.5G商用落地。
最后,赵志鹏再次呼吁全行业共同迎接Net5.5G产业代际,全面引入智能化技术,规模部署网络数字孪生,携手孵化AI技术创新,加速迈向网络智能化。
好文章,需要你的鼓励
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。