以数字化产业、产业数字化为核心的数字经济步伐不断加快,企业上云已成刚需,运营商IP网络正面临新的变化与挑战。近日举行的华为2021年全球分析师大会期间,在国内外重量级分析师的共同见证下,《华为智能云网IT架构与集成白皮书》(下称“白皮书”)正式发布,在厘清产业趋势的同时给出系统的解决办法,助力运营商“盈”在云时代。
“运营商发展云网新业务,就要实现云网资源的一体化调配,让网络的响应速度赶得上云。而云网一体化技术变革需要从网络基础设施层、网络管理控制层、网络运营层三个层面进行,驱动云网业务自动化、运营电商化升级,最大化发挥运营商网络的运营经验和本地化优势。”华为NCE数据通信领域总裁国大正谈到。
IDC《Future Scapes 2020》预测,到2025年,85%的企业新建数据基础设施将部署在云上。仅在中国,企业上云就有望创造3万亿价值空间。而考虑到成本、灾备、合规等因素,由单一云向多云、混合云(私有云+公有云)进行升级成为企业的战略选择。
类比电网,云的价值要高质量发挥,需要更好的联接云、使能云的网。对运营商而言,做好做强云网,既服务于国家战略,又推动数字经济发展,也有助于实现自身在云时代的商业成功。然而,当前运营商的专线产品体验还相对落后,全面升级云网运营水平已是必然。
白皮书提出,运营商应从三个角度来进行提升。首先,提升网对云的响应速度,做到云网服务一体化调配;其次,发挥运营商网络广覆盖优势,提供有SLA保障的上云联接,做到云网服务一致性体验;最后,面向企业用户实现云网产品一站式订购,电商化服务体验。
面对升级的目标和当前存在的种种断点,白皮书从IT架构的三个层面给出战略性建议:
第一、基础设施层,协议简化是基础。传统的网络协议多,技术复杂,配置繁多,难以维护和实现自动化。智能云网采用新一代的极简协议,将繁杂的多种协议技术归并到EVPN与SRv6,SRv6是新一代SDN网络使能协议,通过智能管控单元实现集中路径计算,实现跨域一跳直达,免除VPN拼接。
第二、智能管控层,网络服务化是关键。传统网管采用网络级接口与OSS对接,K级参数,集成复杂;同时,需要上层OSS系统需要对接多套网管,跨域管理,导致OSS开发难度大。智能云网引入网络服务化技术,对上提供租户级的服务化接口,屏蔽掉网络技术细节,仅通过不到100个参数就实现租户网络的开通、调整全功能。极大简化上层系统集成难度。
第三、网络运营层,运营电商化是结果。传统运营模式通过工单驱动,人工处理,业务开通周期长达数月。智能云网IT架构融合传统OSS/BSS系统功能,并新增多云汇聚功能。通过服务化接口,调用智能管控层提供的网络服务能力。面向租户提供云网产品的一体化供应、电商式购买体验,将业务开通周期缩短到天级。
“乘众人之智,则无不任也;用众人之力,则无不胜也”,新一代云网运营系统的高效集成,亦有赖于更广泛的产业协同。但现阶段产业缺乏架构标准,导致OSS/BSS系统集成难度高、测试周期长。华为致力于打造集成实验室,协同产业内OSS/BSS供应商、运营商、科研机构,联合构建一个可体验的集成环境,加速云网业务发展,促成产业共赢。
云网业务的“星辰大海”已全线启航,白皮书的发布为业界提供了“做什么”和“怎么做”的指引。智能云网业务作为自动驾驶网络(ADN)解决方案的一部分,华为旨在通过知识和数据驱动网络架构的持续创新,打造一张自动、自愈、自优的自治网络,为网络“装上大脑”、注智赋能,同时也希望同运营商、O/B域伙伴和产业同盟,携手在云时代给千行百业提供云网一体化调配和云网一致性体验,凝聚全产业力量,共同推进云网业务发展,助力运营商DICT服务转型,实现更好的数字化转型。(本文转载:老蒋看通信,首发C114)
好文章,需要你的鼓励
思科推出8223路由系统和Silicon One P200芯片,用于满足企业日益增长的AI工作负载需求。该系统提供51.2 Tbps以太网固定路由器,P200芯片实现超过3艾比特每秒的互连带宽规模。新设备采用深缓冲设计,相比前代产品节能65%,支持跨数据中心AI集群分布式部署,解决物理空间和电力容量限制问题。
这项研究开发了Hi3DEval系统,这是首个能够从整体、局部和材质三个层面全面评估3D模型质量的智能系统。通过创新的视频分析和3D几何特征结合方法,系统在各项评估指标上都显著超越了传统方法,为3D内容创作提供了标准化的质量检测工具,在游戏开发、虚拟现实、电商展示等领域具有广阔的应用前景。
智能AI代理正成为软件开发的新宠,企业高管希望通过AI代理提升效率。尽管开发者对AI生成代码的质量存在担忧,但其潜在价值巨大。调查显示三分之二企业正在或计划使用多个AI代理进行软件测试,72%认为到2027年智能AI可实现自主测试。专业化的精简测试代理比大型模型更适合特定任务,需要建立负责任的信任框架来管理AI代理行为,但人工测试仍不可替代。
电子科技大学等多所院校联合开发的RPCANet++系统,通过巧妙结合传统数学理论与深度学习技术,实现了既高效又可解释的稀疏物体分割。该系统在红外小目标检测、医学血管分割、工业缺陷检测等多个领域表现优异,为构建可信赖的AI视觉系统提供了新思路。