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
英伟达在SIGGRAPH大会上发布了全新的AI世界模型、库和机器人开发基础设施。其中最引人注目的是Cosmos Reason,这是一个70亿参数的"推理"视觉语言模型,专门用于物理AI应用和机器人。新发布的还包括Cosmos Transfer-2模型,能够从3D仿真场景加速合成数据生成,以及速度优化版本。公司还推出了神经重建库、RTX Pro Blackwell服务器和DGX Cloud云平台,旨在为机器人开发提供完整的解决方案。
清华大学团队开发出DPoser-X人体姿态AI系统,使用创新的扩散模型技术统一处理全身、手部、面部姿态建模。该系统采用混合训练策略和截断时间步调度,在8个权威测试基准上比现有方法准确度提升61%。技术可广泛应用于动画制作、体育训练、医疗康复、虚拟现实等领域,代表AI理解人类行为的重要突破。
两大企业基础设施厂商宣布产品线扩展,为客户提供更多大规模部署人工智能工作负载的选择。戴尔更新AI数据平台,新增非结构化数据引擎,并推出搭载英伟达RTX PRO 6000 Blackwell GPU的PowerEdge服务器。HPE扩展AI优化系统配置,支持自主AI和物理AI应用。两家公司均集成英伟达最新Blackwell架构GPU和AI软件套件,提供从数据处理到模型推理的完整解决方案。
Meta研究团队推出FACTORY测试系统,这是首个大规模人工验证的AI事实准确性评估基准,包含超过1万个高难度问题。测试结果显示,即使是最先进的AI系统在面对复杂事实性问题时准确率也仅约60%,远低于传统测试中的90%以上表现。该研究揭示了当前AI系统在专业知识覆盖和复杂推理能力方面的不足。