• 首页 > 新闻频道 > 即时新闻

    韦乐平出席“2019年中国SDN/NFV/AI大会”并做开幕主题演讲

    2019年04月17日 18:17:33   来源:中文科技资讯

      2019年4月17日,由中国通信标准化协会SDN/NFV/AI标准与产业推进委员会主办的“2019年·中国SDN/NFV/AI大会”在京召开,工信部通信科技委常务副主任、中国电信集团公司科技委主任、SDN/NFV/AI标准与产业推进委员会主席韦乐平发表了题为“从随选网络迈向随愿网络”的开幕主题演讲。xSx中文科技资讯

    图片1.jpgxSx中文科技资讯

      图 韦乐平先生发表开幕主题演讲xSx中文科技资讯

      韦乐平先生介绍了SDN和NFV的发展状况和发展趋势,并指出SDN的主要标准和开源码基本成熟可用,但仍面临标准碎片化较严重、控制器南向接口依然不成熟等问题。目前,SDN应用步入商用化轨道,已经规模商用在DC内和DC间,电信网也已开始在部分领域商用;SD-WAN成为SDN的主要业务应用场景。在NFV方面,韦乐平表示,NFV的标准和开源码也基本成熟可用。ETSI的R2版本基本可商用。 R3版本重在MANO管理、DN协同、云原生NFV等,推迟到年底。NFV在部分领域进入商用,但总体进展不及预期,其主要应用场景包括vEPC、vIMS和部分vBRAS。xSx中文科技资讯

      韦乐平强调了SDN/NFV在开源发展方面的发展状况。他指出,开源是整个ICT行业发展的大趋势。IT界开源进展较快,社区活跃、应用环境和业务逻辑简单,IT和互联网界的迭代开发能力强;CT界开源进展较慢,成熟性和商业性较差。xSx中文科技资讯

      韦乐平指出“随选网络”是网络架构重构的标志性网络应用。亚马逊、谷歌和微软等云服务商提供按需随选的计算资源、服务器和存储器,取得了很大成功。运营商试图将其应用到电信网,但其复奈性和刚性设计导致现有网络最适合人工静态资源配置。xSx中文科技资讯

      面对复杂多变的市场环境和日新月异的新业务需求及数字化转型驱动,业界期望使用“业务意愿”作为网络和IT基础设施生命期管理的驱动因素,通过自动化方式将业务需求即时转化为网络和IT基础设施的执行,实现两者的快速适配,产生真正的商业价值,“随愿网络”应运而生。随愿网络是跨网、跨域的高层智能联网,具有独立于底层网络技术,可以减少运营维护成本,提升网络的敏捷性、可用性和扩展性,加速网络云化进程。韦乐平先生指出随选网络可以加速数字转型、云化进程、物联网的发展,同时可以面临更大的挑战,自动化、智能化将是未来网络演进的必由之路。xSx中文科技资讯

      2019年中国SDN/NFV/AI大会以“边云协同,构建未来智慧网络”为主题,聚焦当前SDN、NFV、人工智能、边缘计算等关键技术和产业发展的最新态势。来自电信运营商、设备制造企业、科研机构及标准组织的700余名代表参加会议。xSx中文科技资讯

      来源:XXX(非中文科技资讯)的作品均转载自其它媒体,转载请尊重版权保留出处,一切法律责任自负。

      文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。

      如发现本站文章存在问题,提供版权疑问、身份证明、版权证明、联系方式等发邮件至news@citnews.com.cn。

    [上传用户: ]
    分享到微信

    推荐

    工信部:携号转网管理规定12月1日起施行

    11月11日讯,工信部印发《携号转网服务管理规定》,规定自2019年12月1日起施行。规定要求电信业务经营者在提供携号转网服务过程中,不得为携号转网用户设置专项资费方案和营销方案,不得采取拦截、限制等技术手段影响携号转网用户的通信服务质量等。

    新闻

    《2019年全球电子商务数据报告》重磅发布

    11月5日,第二届中国国际进口博览会在上海开幕。对许多外国企业来说,参加进博会意味着走上进入中国市场的“绿色通道”,而各大跨境电商平台在去年祭出采购大单之后,早已筹谋今年的“买买买”计划,继续担当进博会重要的采购力量,丰富消费者的购物车。

    互联网+

    拯救脱发、治愈癌症...医疗互联网越慢越好?

    事实上,这大概是中国互联网创业的本质:技术领域的一个概念、一段视频、一份PPT,都会让资本市场异常兴奋,大家都喜欢先奔跑起来,再寻找方向,如团购、外卖、共享单车、特供智能机,莫不如此,医疗互联网身处其中,自然也免不了沾染癫狂习气,只是医疗行业的特殊性不言而喻,或许,越慢越好!

    融合

    高尚大的人工智能背后:真的只是单调、枯燥和密集劳

    总得来说,人工智能有两个重要的支柱,一个是海量的数据、大大的数据;另一个则是高精度算法,显然,算法需要一小撮的天才来编辑和优化,而海量的大数据,除了机器本身的收集能力之外,还需要大量的人工操作,给相关的数据贴上固定的标签。