沃达丰为其英国移动网络体系建立了一套3D数字孪生,这样工程师们无需离开办公桌就能查看可视化指标,据此制定网络改进或扩展策略。
这套数字孪生副本包含用Esri UK的GIS(地理信息系统)软件绘制的超4000万个环境特征,包括建筑物、山丘、山谷和树木。
工程师们现在可以通过安全连接,在笔记本电脑或移动设备上直接访问移动网络体系的360度虚拟视图。他们可以高效规划新的移动基站位置,并确定哪些装置需要升级或调整位置,从而满足客户不断增长的流量需求、或者应对新增建筑及林地变化对信号传播造成的影响。
沃达丰地理信息系统负责人Rebecca King博士解释道,“客户的手机信号经常会在因众多因素的互相影响下中断,这可能是因为新建成的建筑物阻断了信号传播,也可能是因为树木的季节性生长干扰了信号强度。我们以数字格式将这些因素全面可视化,以确保能更好地规划、并据此扩展我们的网络。”
数字孪生包含天线等能够直观呈现的约50万个网络特征,外加数十亿行网络性能数据。只需点击几下,工程师们就能远程检查移动基站的组件,再决定要不要亲自前往现场开展下一步调查或调整工作。
目前,沃达丰公司正寻求其他合适的场景来测试类似的数字孪生技术,包括德国和土耳其。此外,沃达丰还有意用同样的方式将固网宽带体系也纳入到模型中来。
服务于数据科学家的《我的世界》
沃达丰公司首席架构师Boris Pitchforth表示,“数字孪生让我们对于整个英国的移动网络有了前所未有的了解——它就像是服务于数据科学家的我的世界。”
“我们能够更智能、更快速地了解应如何/在何处部署5G基站,同时精确规划目标容量。另一个额外的好处,就是减少我们的碳足迹。因为我们的工程师们不用每次都亲自赶赴现场,这一点对于地处偏远的基站意义尤为重大。”
沃达丰与Esri英国分公司合作,使用卫星数据绘制地形图,直观体现农作物、交通线路和邻近物体的高度数据等实地信息。Boris Pitchforth强调,“数字孪生并不需要精确重现现实中的物体,比如建筑物上的每一块砖,它只需要把整体外形表现出来,我们就能调整信号发射角色、提升客户获得的连接质量。地图构造越简单,加载速度就越快。”
大规模数字孪生
沃达丰还用到Esri提供的ArcGIS Enterprise平台。该平台将网络制图、图像开发、实时数据处理、大批量分析和空间数据科学融合为一体。
Rebecca King博士解释道,“使用ArcGIS Enterprise,我们得以将空间维度添加至已经使用的大量数据当中,从而将位置智能达到新的高度。通过我们的数字孪生,现在数据可以通过3D形式实现可视化,并与多个团队轻松共享。”
除了向其他国家/地区引入数字孪生之外,沃达丰还计划借此支持新的网络容量部署。例如,Massive MIMO技术能够在单一蜂窝基站中交付更多网络容量,用以满足快速增长的联网设备需求。预计到2025年,全球移动设备总量将增长至300亿台,这些新基站该部署在哪里自然要听取数字孪生的建议。
Boris Pitchforth总结道,“几年之前,这种类型的国家级数字孪生模型根本就没有可行性。但ArcGIS Enterprise与AWS的结合,意味着大规模数字孪生完全可以成为现实,为企业数据可视化及地理空间分析提供安全、可扩展的云选项。以往,公共事业层面的类似项目只能侧重于小片区域,而现在我们想要真正在国家规模上管理整个网络体系。”
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。