5月17日上午,以“网赋强基 数智百业”为主题的中国移动专线2023年行业专网暨企业无忧能力发布会在北京召开,对外发布行业专网及“企业无忧”两大专属服务解决方案,从专线到专网,是中国移动专线全面升级产品体系的一次集中亮相。与解决方案一同发布的还有八大行业专网白皮书。期间,中国移动利用可视化展区特别展示OTN精品专网、SPN切片专线、SD-WAN新型专线、e企组网、专线卫士五大产品,重点展示中国移动专线在产品升级、网络赋能、行业应用等方面核心能力。


发布会上,中国移动政企事业部副总经理杨林、中国移动网络事业部副总经理顾宁伦、中国移动计划建设部传输网络处处长邹洪强与金融、工业能源等行业代表、合作伙伴、专家学者等代表共同探讨数字转型下的各行各业用网需求新趋势,共享中国移动以客户需求为驱动、以客户满意为目标,聚焦专线和客户内网推进能力、服务升级的解决方案和实践。

杨林、顾宁伦和邹洪强分别就行业专网暨“企业无忧”能力从中国移动专线的全局目标、服务能力和规划建设进行了致辞演讲。杨林提到,中国移动创新构建“连接+算力+能力”新型信息服务体系进程中,加快网络向上层应用延伸,推进新型网络技术与云、大数据、物联网、安全能力结合,聚焦行业数字化转型中的典型场景和业务诉求,提供可复制推广、“因企制宜”的端到端行业专用网络,减轻企业数字化转型负担,助力产业数字化发展。同时,在广域网络基础上进一步向企业内网延伸,为企业提供包括内部网络服务、云端安全防护、运维保障一体化等多类“企业无忧”服务能力,加速助力企业基础网络建设及数字化高质量发展。

顾宁伦也就中国移动专线行业专网服务能力从“三个聚焦、三个打造”角度进行了致辞演讲。聚焦客户诉求,打造可管可视的网络管理能力;聚焦关键环节,打造业界领先的开通交付能力和聚焦人心红利,打造专业高效的上门服务能力。

对于网络规划建设,邹洪强在致辞中提到,中国移动坚持全国一盘棋,技术能力、网络品质、资源效率、投资效益领先为目标,持续强化网业协同,积极推动技术成熟、精准开展建设、引导网络赋能。同时他还披露了中国移动在网络部署方面的基本情况,截止到目前,中国移动坚持“一张光缆网”架构,光缆长度达到2594万皮长公里、分纤点密度达到12.3个/平方公里,金牌/银牌楼宇覆盖超2万个、沿街商铺等中小企业住户覆盖超5000万户,支撑业务快速接入;率先建设国际/政企专用传送网,构建高价值专线承载网络;网络覆盖规模、切片技术能力在行业内绝对领先;千兆宽带覆盖住户超2.6亿户。

会上,中国移动就行业专网及“企业无忧”两大专属服务解决方案进行了细致解读,深耕行业,实现从线到网的升级。面向不同行业客户及细分场景,中国移动量身打造定制化的八大行业专网,提供行业组网解决方案,适配客户承载多样化、业务差异化、服务一体化的专属网络需求。延伸内网,中国移动深度匹配中小企业数字化转型诉求,推出“专线+”无忧服务,以专线/企业宽带+e企组网+专线卫士+专线管家向客户侧网络延伸,提供1条专线+1张内网+N项服务的一体化“企业无忧”解决方案,帮助企业实现高品质组网升级、网安一体化、一站式管家三重无忧服务。


此次中国移动专线行业专网的发布,“因企制宜”的服务能力将有效减轻企业数字化转型负担,加速数字中国建设进程,为网络强国、数字中国建设提供强劲动能。


好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。