ZDNet至顶网软件频道消息: 西班牙电信公司宣布计划与红帽和英特尔两家公司合作,基于开源软件创建一款运行于英特尔服务器的虚拟基础设施管理(VIM)平台,此为西班牙电信公司网络功能虚拟化(NFV)基准实验室的项目之一。该实验室最近刚刚创建而成,目的是为了帮助合作伙伴与网络设备供应商(NEP)生态系统测试和开发上层服务编制的虚拟网络功能。
多家公司宣布参与西班牙电信公司NFV基准实验室项目,共同创建网络功能虚拟化开源解决方案,NFV基准实验室的IT基础设施包括:英特尔至强处理器E5-2600 V2、红帽企业Linux、基于内核的虚拟机 (KVM)管理程序、红帽企业Linux OpenStack平台和支持OpenFlow的交换设备。为了支持这所实验室,西班牙电信、红帽和英特尔都会投入工程设计和测试资源,与合作伙伴、开源社区开展开放性的协作,携手开发能够承载NFV所需的性能和功能的技术,将“开放式数字电信”的愿景化为现实。
如今的电信网络由许多封闭硬件设备和专用设备组成,在一个逐渐数字化、以网络为中心的世界中,这些设备正在变成创新的障碍。为了化解这个困境,电信业前沿性机构、隶属于欧洲电信标准协会(ETSI)的NFV行业规范组正在致力于为网络服务确立一种通用框架架构,它基于标准的、非专门设计的虚拟化商用硬件构建,硬件之上的软件可以运行网络功能。这种新颖的方法有助于降低运营成本,提升互操作性,并且让生态体系变得更加开放,让电信供应商轻松适应和扩展服务。
通过这个实验室项目,西班牙电信公司将与红帽和英特尔共同合作,基于开源标准创建一种解决方案,在防止技术碎片化和厂商锁定的同时维持性能表现——这赋予了通信服务供应商(CSPs)目前仍以硬件为中心的解决方案极大的弹性。
西班牙电信凭借UNICA基础设施项目认定,该参考架构能够提高西班牙电信网络中虚拟化网络设备的应用水平,有助于实现一个多供应商和标准化的虚拟网络。NFV基准实验室是实现UNICA多供应商方法以及推进中期项目的必要一步。
西班牙电信I+D公司网络创新和虚拟化总监兼全球CTO Enrique Algaba表示,“对于网络功能虚拟化,我们要避免形成封闭、非互操作性的环境,这会妨碍它的广泛应用。出于这个目的,我们推出了网络功能虚拟化基准实验室。西班牙电信联手业界领先公司,致力于提升开源社区的基础虚拟化技术,并且会回馈给上游社区,避免产生技术碎片化的问题。”
红帽虚拟化和OpenStack总经理Radhesh Balakrishnan表示,“红帽是现今从事上游Linux内核、KVM和OpenStack项目的领先企业,这些项目都为网络功能虚拟化奠定了坚实基础。红帽在开源社区的深厚经验,加上对性能、可靠性和安全性的重视,为通信服务供应商提供了独有的价值。我们感到十分荣幸,能够凭借我们的专业技术、社区经验和产品服务(包括红帽企业Linux OpenStack平台在内),与西班牙电信和英特尔共同协作,帮助通信服务供应商直接从NFV中受益。”
英特尔通信和存储基础设施部副总裁兼总经理Rose Schooler表示,“英特尔将自身的云技术经验、业务模型以及服务器和虚拟化技术运用在NFV应用中,旨在降低服务供应商的总体拥有成本,加速应用的上市时间。我们与西班牙电信和红帽通力合作开发这所新的实验室,它会帮助广大生态系统的开发人员,加快NFV解决方案的商业化速度。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。