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
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。