[中国,深圳,2023年4月20日] 日前,以“跃升数字生产力,加速迈向智能世界”为主题的第20届华为全球分析师大会隆重召开,郑州联通云网中心总经理王一帆应邀分享,并与全球分析师、运营商、行业意见领袖一同深度探讨数字化的发展方向。王一帆表示,郑州联通正全方位构建行业领先的自智网络,加速数字化运营转型,为用户打造极致的用网体验,同时为社会数字经济发展提供关键支撑。
自TM Forum提出自智网络理念以来,中国联通积极联合产业伙伴开展了对自智网络的探索。2021年底,中国联通制定了自智网络“1+3+X”的发展计划,树立了“2023年自智网络等级达到L3,2025年达到L4”的战略目标。同年,河南联通紧随集团战略脚步,联合华为围绕全光接入自智网络开展创新探索,全面推进集团和省公司“四大精品网”中的“宽带精品网”建设。
联合实践中,河南联通与华为在OLT上引入AEC智能单板,实时采集时延、抖动等应用KPI数据,同时基于华为iMaster NCE智能管控析系统的大数据分析能力及ADO平台,实现了精准营销、体验建网、体验保障3大场景的家宽品质经营。王一帆介绍到,全光接入ADN自智网络应用以来,网络产品供给能力大幅增强,用户体验得到显著提升。
多维模型构建潜客画像,使能精准营销
王一帆表示,营销的关键在于抓住客户的核心诉求从而精准构建潜客画像。当前行业传统的营销模式依赖于B域的数据,例如用户套餐、资费、小区位置等,用户体验数据的缺乏导致营销成功率普遍在3%左右。联合创新方案增加了应用、体验、瓶颈、组网 4大类100多个体验黄金标签,包括应用类型、体验状况、网络瓶颈、Wi-Fi覆盖等“体验维度”的关键信息,实现从单维到多维的潜客识别模型优化,从而支撑市场部针对性制定更精准有效的营销策略。在实践中,郑州联通成功在68万用户中识别了9.6万的各类型潜客,通过业务订购验证,营销成功率从3%上升至10%,提升了3倍有余。
端网业匹配,按需升级网络
目前中国区千兆用户超过了1亿,但行业普遍存在千兆用户未使用对应的10G PON 网络资源或未使用万兆光猫等问题,端网业的匹配现状限制了用户的千兆体验。针对这个问题河南联通联合华为首创了体验三角压抑模型,通过用户真实体验(如是否质差和质差占比),以及PON口拥塞、ONT拥塞三个角度,识别出瓶颈并针对性整改,从而确保千兆用户端、网、业的匹配。试点中,郑州联通精准整改了近万端业不匹配(需升级ONT)及网业不匹配(需升级PON口)用户,网络投资收益比提升40%,在切实保障了用户千兆Wi-Fi体验的同时实现投资效益最大化。
健全体验感知能力,完善体验保障体系
当前运营商只能通过告警对通断类问题进行被动响应,无法对视频、游戏的卡顿、速度慢等体验类问题进行主动感知和分析,因而难以满足千兆用户对网络体验的诉求。通过光接入自智网络的创新,郑州联通将感知能力从Wi-Fi维度进一步延伸到用户体验维度。用户观看视频存在卡顿时,系统可在几分钟内完成感知,同时留下质差快照。7*24小时的历史回放功能可帮助运维人员回放到质差时刻,随后通过时空关联分析查找卡顿的原因,做到上门即处理。据统计,业务恢复时长从过去的1.5小时减少到30分钟,用户的投诉量显著降低,满意度有效提升。
目前,郑州联通品质宽带运营大屏已经上线,标志着家宽数字化运营保障体系的打造完成,全光接入自智网络的全省推广总体年收益预计将达到数亿元。未来河南联通将分两个阶段完成全省超千万用户的规模覆盖,从而加速千兆体验品质升级,实现宽带精品网建设的全面领先。王一帆总结到:“网络的智能化和运营运维的数字化将有效使能千兆业务繁荣、千兆体验建网和千兆体验保障三大价值经营,帮助全面提升用户体验和业务口碑,我们相信通过自智网络的建设,郑州联通将在商业经营、用户规模、业务质量上实现领先。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。