【中国,深圳,2024年4月18日】 4月17-19日,第21届华为全球分析师大会在中国深圳隆重召开。本次大会的主题为“全面智能化,跃升数字生产力”,旨在分享对智能世界的展望及整体战略思考,并深入探讨行业智能化的发展方向与转型路径。华为公共开发部副总裁邵士新在会议期间深入阐述了华为iMaster NCE的“一图一脑”理念,希望携手更多运营商伙伴共同打造自智网络(Autonomous Networks,AN)L4创新解决方案,以推动固定网络(Fix Broadband, FBB)向高阶自智迈进。
随着数字化转型的深入,运营商在FBB领域迈向AN L4的过程中仍面临诸多挑战,如自动化和智能化水平不足,网络规划、建设、优化和维护的效率难以有效提升,业务体验无法保障等问题。尽管业界对引入大模型实现网络“智能化”的呼声很高,但大模型必须与数字化底座相结合,才能发挥其最大效用,否则将如同空中楼阁,难以落地。
因此,在FBB领域,应优先实现网络的“数字化”,再结合大模型等技术实现网络“智能化”。通过精准的数字底座与专业的通信大模型相结合,提供端到端的FBB解决方案,才能帮助运营商实现AN的代际跃升,达到L4水平。数字底座可视为地图应用,大模型则可比作决策大脑,“一图一脑”的协同作用至关重要。
华为的“一图”即iMaster NCE网络数字地图,提供了FBB领域网络和业务的全栈可视。该地图具备从物理到应用的完备数据及网络状态感知能力,能够收集实时网络数据,实现跨层、跨域,以及从有源到无源网络的全栈可视可管。这不仅支撑了运营商的数字化转型,还为大模型提供了前所未有的洞察和决策依据。
在“一图”的基础上,华为构筑了“一脑”,即FBB领域的通信大模型。语料的质量直接决定大模型的能力。多年来,华为与全球运营商紧密合作,积累了大量专家经验,形成了丰富的解决方案开发、测试及用户指南等文档,共同构成了庞大的百亿通信行业专有语料库。在构建大模型的过程中,华为纳入了这些高质量的语料,并采用了20+关键专利算法来提升模型的能力,如TLHF算法技术加速大模型对网络API的理解,通信思维链与反思算法提升多API编排的准确率等,共同铸就了电信领域优秀的专业大模型。
华为iMaster NCE网络数字地图的能力已在全球50+运营商网络中得到广泛应用。自2019年起,华为就与广东移动围绕网络的“数字化”展开深入合作。随着5G网络的建设,双方在SPN 5G承载网上探索基于网络数字地图的运维模式。iMaster NCE能够对质差基站业务事件进行自动化关联分析,准确识别故障点,指导精准排障,大幅提升用户满意度,助力SPN承载网从2B业务承载网逐步走向生产网。近年来,随着AI等技术的突破,广东移动在iMaster NCE网络数字地图的基础上,成功实践了业界首个网络大模型应用Net Master。该应用凭借FBB领域的核心技术,实现了对通信领域知识问答场景的全面覆盖,展现出卓越的意图理解能力和故障自诊断能力。
·在故障诊断阶段,Net Master提供基于故障场景意图的智能问答和灵活搜索等对话交互功能,大幅减少了网络复杂的手工配置和故障排查程序,使得MTTR从小时级缩短至分钟级。
·在故障闭环阶段,通过意图化API,手机端APP能够实时获取网络资源和故障信息,实现故障处理全流程的可视可管,大幅降低了上站成本,故障响应时间平均缩短了83%。目前,该方案已在广东全省13个地市全面落地,并取得显著成效。
邵士新表示:“通过iMaster NCE的‘一图一脑’结合,FBB网络将实现自决策,支持业务的自动配置、流量的实时调优、网络隐患的提前发现以及故障的快速闭环处理。这将有力推动运营商快速迈向自智网络L4,进一步加速其数字化进程。”
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。