3月15日,在华为中国合作伙伴大会2024期间,华为光产品线总裁陈帮华发表了《抓住全光网“三进三退”新机遇,共建行业数智新未来》主题演讲。

华为光产品线总裁陈帮华
陈帮华表示,行业数智化转型的加速,正在推动光产业发生巨大变化。面向“光进铜退”、“光进电退”、“光进人退”带来的新机遇,华为打造光产业领先的产品和解决方案,携手合作伙伴共同开拓全光园区、全光承载、智能感知带来的千亿新空间,加速行业数智化升级。

趋势一:光进铜退,打造绿色、超宽、极简的全光园区
园区网络正在迈向Wi-Fi 7时代,传统园区铜线需要升级为光纤。光纤具有大带宽、寿命长、绿色环保的特点,一次布线30年无忧,园区网络光进铜退势不可挡。
面向教育、医疗、制造等较大型园区,华为推出F5G全光园区2.0解决方案,实现带宽、组网、运维三大升级。带宽上,基于业界首创的XGS-PON Pro技术,可以实现12.5G/25Gbps的超大带宽接入;组网上,支持端到端硬切片技术,可以实现一网承载多业务互不干扰,建网TCO降低30%;运维上,基于NCE管理平台实现IP和POL统一纳管,一人即可管理一个园区网络。
面向中小型园区,华为F5G小全光新品带来非凡体验、极简部署、极简运维,同时集成智能摄像机,实现光视一体化的使用和运维。
趋势二:光进电(SDH)退,F5G全光承载打造坚如磐石的生产通信网
能源、交通等行业关系国计民生,对行业通信网的安全性和可靠性有极高的要求。过去数十年,SDH因其高安全高可靠的特点,被行业通信网广泛采用。随着行业数智化的发展,SDH网络带宽已成为瓶颈,行业需要更大带宽和同样安全可靠的新一代生产通信网络。
电力、交通等行业的光进电退,是指对SDH网络的升级改造。2023年12月,ITU-T(国际电信联盟电信标准化部门)正式通过fgOTN(fine grain OTN,细颗粒光传送网)标准,明确将其定义为SDH演进的下一代技术。华为推出业界首个支持fgOTN标准的解决方案,为行业构筑坚实可靠的通信网络。
该方案具备三大特点,第一是安全可靠,基于TDM物理硬隔离及多路径保护,实现99.999%可靠性;第二是平滑演进,现网设备可平滑升级支持fgOTN,满足PCM/PDH/SDH等业务承载需求,充分保护现网投资;第三是灵活高效,业务接入可以从2M到100G灵活调整,线路侧支持100G,支持向单波800G平滑演进。
趋势三:光进人退,多维感知+AI助力智慧生产与运营
人工智能正在加速进入各行各业,交通的数字智能调度,机场、铁路的周界智能感知等智能远程作业方式,减少大量人工现场工作,让从业人员从室外现场“后退”到办公室,工作更舒适、更高效,实现光进人退。华为将视觉、雷达、光纤等感知能力融合,结合先进的AI大模型,打造领先的多维感知+AI解决方案,助力生产和运营。
面向智慧交通场景,华为超微光摄像机结合AI能力,构建无光污染高清感知系统,助力打造智慧交管系统。华为雷视拟合解决方案通过一站式视频和雷达融合生成数字化全息视角,分米级精度地刻画出每个方向、每辆车的轨迹,支撑交通指挥自动化、精细化处理。
面向周界防护场景,华为光视联动解决方案通过光纤震动加视频检测,可以实现事件“0”漏报,基于独有的AI大模型提升抗干扰能力,相比业界可以将误报次数降低90%。
华为希望携手更多合作伙伴,抓住光产业“三进三退”趋势带来的市场机遇,共建行业数智新未来。
好文章,需要你的鼓励
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
Hammerspace发布v5.2数据平台软件,通过更快的元数据读取、更好的数据放置和扩展性优化提升AI数据访问性能。新版本IO500总分提升33.7%,总带宽翻倍,IOR-Hard-Read测试提升超800%。增加了Tier 0亲和性功能,支持GPU服务器本地存储访问,减少集群内网络流量。新增Oracle云支持、Kerberos认证和标签化NFS,提供更细粒度的访问控制。该软件将于12月正式发布。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。