至顶网软件频道消息:从数据可以看出,中国移动新增4G用户数月均发展量超过千万,有线宽带的新增用户数达到了806万,新增市场占比高达66%,总用户数超过了8500万。回想中国移动正式获得固网宽带牌照是2013年底的事情,离现在也不过3年多,不得不说其在全业务发展上取得的成果令人惊叹。在全业务高速发展的同期,作为底层支撑的IT系统,中国移动近几年也在进行相应的优化、演进、重建,不管是前端第三代业务支撑系统、渠道系统的全面建设,还是后端面向家宽5+1(中国移动集团公司网络部的功能需求规范)支撑能力的提出,其打造的项目已经在全国各省全面开花。
2017年第一季度财报数据
随着互联网技术不断发展、新业务网络不断涌现,用户渴望着网络的秒级开通和体验。但现有业务运营支撑系统中的服务开通功能受限于传统技术架构,短板日益凸显,开通中心作为业务售中阶段的核心支撑系统,压力可想而知。面向全业务的支撑,特别是当宽带业务规模逐步增加,集客业务也成为了中国移动发展战略重点。这种情况下,中国移动急需结合目前服务开通的痛点对其进行重构,对于开通中心提出更新的挑战。
业务需求的快速响应
运营商的竞争日益激烈,新业务的推出节奏也在加快,以往动辄几个月甚至几年的支撑准备时间,只会被竞争对手远远甩在后面。对于开通中心来说,除了面向流程、环节、网元指令的基础配置能力外,还需要更多的考虑配置的复用、验证、全程贯通、快速测试等全方位的支撑能力,才能更好的支持业务一线。
全业务流程综合管理
宽带业务的强势发展,对于售中阶段带来的变化就是流程变长,并且较移网更加复杂多变的流程和异常控制,在长流程的调度控制技术和规范能力上,因为历史原因,中国移动还有很长的路要走。特别是当固移、多产品融合业务推出后,多流程间的协同控制难度,将会以指数级增加。这就要求开通中心提供更强大,更灵活的流程平台,辅以相应的业务控制手段和客户级的流程管控。
更加智能化的容错
全业务背景下,业务开通所依赖的资料、资源等基础数据信息量陡然增加,但数据准确性的问题始终没能得到彻底的解决。一旦进入售中阶段,对于开通时效性要求很高,不可能在反复的人工改单、数据修正上耗费太多时间,如何在不影响流程时限的情况下,保障业务的正常的开通?这对开通中心的容错能力有着极高的要求。
业务潮汐的应对
中国移动原有的移网用户量已经非常巨大,随着固网队伍的加入,业务高峰压力只会进一步增大。开通中心则是直面这波巨浪潮汐的关键堤防,底层是否足够坚固,分流是否足够智能,响应是否足够快速,应急预案是否足够充分?这些都考验着基础设计者的技术功底和业务能力。
云化架构下的运营
中国移动第三代业务支撑系统已经明确了云化架构的系统框架要求,开通中心也不例外。一方面,新架构下的IT运营,需要更多更新的工具和手段支撑。另一方面,开通中心本身就需要连接前后端的大量系统,作为售中流程的总控和展现,一旦出现任何问题,将首先在开通中心体现。怎样才能快速的定位和发现问题,及时预警,并提供高效的处理工具和导向,不让运维人员做背锅侠,也值得我们深思。
为解决业务开通中的各类挑战,更好的指导开通中心的建设工作,中国移动集团公司日前已经着手于开通中心试点规范方案的编写工作,中兴软创作为业界业务开通领域的引领者,也参与了本次规范的编写工作。中兴软创在业务开通项目建设上有着近15年的经验积累,广泛服务于三大运营商,在集团和省份级的建设项目超过30个,凭借丰富的经验积累和技术创新,对如何解决开通中心建设的难点问题,提供了全面成熟的解决方案。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。