[中国,深圳,2023年4月21日] 近日,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在深圳召开。华为与全球分析师、运营商及商业领袖一同探讨对智能世界的展望,共话数字技术与应用场景深度融合的发展愿景。会议期间,华为NCE光网络领域与行业分析师就全光自动驾驶网络解决方案的多元场景技术赋能展开深度交流。
华为NCE光网络领域总裁岳伟表示,在全球数字化发展的趋势下,新产业形态、商业模式、业务品类不断迸发,家庭宽带、企业上云、园区网络等对网络的诉求不再局限于连接速率,端到端的高品质,包括使用体验,业务SLA,高效运维等成为了诉求迭代的核心,全光网迈入了以品质为第一生产驱动力的阶段。锚定关键诉求变化趋势、凭借智能化技术推动全光业务品质演进,成为了全光自动驾驶网络解决方案(全光ADN)面向未来的全新赋能目标。
华为NCE光网络领域首席营销官王金平介绍到,为以品质演进匹配诉求演进,全光ADN赋予了全新的一网三业场景内涵:品质基础网、品质专线、品质宽带、品质园区。其以iMaster NCE智能管控析系统为技术核心,能够充分适配家宽、企业、园区等全光网场景业务的发展之需,引领业务品质迭代。
数智化筑牢基础网品质
随着业务的发展趋于多样化,更高的品质诉求为资源利用、网络运维、网络稳定性、故障闭环等各环节带来了巨大的挑战,一张高品质的全光基础网是全光网业务的有效支撑。为此,华为提供多项数智化能力以筑牢全光基础网品质。首先,针对ODN网络这一基础网焦点,华为的数字化ODN方案可通过高效的资源校对和高精度定位能力,帮助运营商实现家宽业务开通一次成功,一举打破光纤状态更新慢、人工操作投入大、业务发放成本高的困局,大幅减少无效投资,提升资源利用率。其次,针对基础网的传送网络,华为可通过iMaster NCE软能力和智能传感器硬件能力的协同,降低业务风险,提高网络稳定性。此外,还可以通过故障事件识别及自动诊断,帮助运营商有效降低随海量告警攀升的运维成本,使能“一故障、一工单”。
聚焦体验夯实宽带品质
面向家宽场景,华为方案聚焦全业务流程以夯实宽带体验。为提升用户体验诉求的匹配度以及用户忠诚度,华为在售前提供含多类体验标签的潜客识别方案,帮助运营商实现从单维到多维的潜客识别模型优化以充分了解用户体验、洞察用户需求,从而大幅提高营销成功率。针对普遍存在的不规范组网问题,华为通过对多类宽带关键性能指标的验收,确保规范组网一次成功,有效避免因规范问题而造成的体验劣化。同时,通过家宽质量主动评估系统,运营商将实现用户体验可视化、可管理、可保障,从而增加客户粘性,提升满意度。此外,华为方案还提供全网主动评估与保障方案提升NPS,并通过四层故障处理逻辑,让故障层层递减,提高故障处理效率,为用户体验夯实底线。
品质承诺绘就专线品质
针对运营商收益最高的光专线场景,华为方案提供覆盖售前、售中、售后全生命周期的专线业务SLA保障,帮助运营商在业务全流程构建差异化竞争力,加速商业变现。在售前阶段,运营商可通过时延地图功能快速评估各类SLA的匹配情况,提升差异化销售能力以满足客户差异化的业务诉求。在销售阶段,华为提供多因子、多策略智能算路,可端到端自动完成业务配置,实现极速业务发放。在售后阶段,华为提供专线SLA越限预警和可用率优化建议,帮助运营商实现光专线SLA可视化、可调整、可承诺。
化繁为简缔造园区品质
随着光进铜退成为必然发展趋势,智能化、极简化成为园区网络的普遍诉求。当前,园区网络向POL快速演进的过程中面临着POL装维人员缺乏的难题,低效开局成为症结所在。为此,华为方案实现了模块化、去专业化的POL业务配置及全局下发,降低装维技能要求,解决了分销、运维等团队向POL转型的困难,加速园区网络光进铜退。凭借纳管快、配置快、配置广三大优势,方案极大程度提高了对工程师的赋能效率,同时大幅降低开局时长,提升装维效率,以极速化、极简化塑造园区品质。
华为NCE光网络领域团队表示,智能化技术的应用奠定了用例场景的多元化,用例场景的丰富汇集,凝聚出一网三业的高品质。华为将以品质为牵引,面向不断丰富的业务、不断迭代的诉求,在光网络领域持续践行自动驾驶,与产业各界携手,把品质体验带进每个家庭、每个行业。
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。