华为彭松：基于C.A.F模型构建联接竞争力，创造新增长
10月19日，第七届全球超宽带高峰论坛（Ultra-Broadband Forum 2021）在迪拜开幕。期间，华为运营商BG Marketing与解决方案销售部总裁彭松发表了题为“联接+，新增长”的主题演讲，定义并深入探讨了C.A.F（Coverage/Architecture/Fusion）模型。彭松指出：“联接将迎来巨大的机遇，基于C.A.F模型来构建网络的竞争力对运营商来说是关键。”
华为运营商BG Marketing与解决方案销售部总裁彭松发表主题演讲
过去的一年是富有挑战的一年，也是充满机会的一年。家庭和企业的需求都在发生着巨大的变化，家庭从单一的娱乐中心走向了多元化，承担起教育、办公、贸易等多功能；企业的联接也不再是单一地关注带宽，而是开始从CT走向OT，呈现多样化发展。联接的延伸与联接的融合是联接+的主基调，在各国数字化进程不断加快、联接的价值被社会重新认识的大背景下，如何推动和加快联接的向下延伸与联接的向上融合，最大化联接的价值，创造新增长呢？
基于此，会上彭松深入定义了C.A.F模型，“C”代表Coverage，“F”代表Fusion，“A”代表Architecture。
Coverage：是指立足当下，探索联接如何向家庭和企业延伸，满足新的需求，实现商业价值。根据家庭和企业的需求变化，在扩大覆盖的基础上，运营商需要将联接延伸到家庭的每个房间和终端、延伸到企业的生产系统，从一根线到一张网，实现联接数量的增加和用户粘性的增强，创造更大的商业机会。
在家庭场景下，彭松提出从两个方面促进家庭联接的延伸：一是利用综合业务区规划的方法，及领先的AirPON、Digital Quick ODN方案加快光纤覆盖，实现光纤到家庭的延伸；二是在家庭网络部分，指出从FTTH（Fibre to the Home）到FTTR（Fibre to the Room），将光纤延伸到房间，将带来全新的想象，在增强用户粘性的同时，更重要的是打造家庭数字化入口，为智慧业务发展提供可能。
在企业场景下，不仅要做好专线的SLA和差异化，更重要的是用先进的联接技术把专线延伸到企业的OT，这样可以解决传统企业面临的很多问题，比如钢铁企业的PLC远程控制问题、矿下故障定位问题等，对于企业的生产效率和体验提升能带来质的飞跃。
Fusion：面向未来，探讨联接如何与云融合，使能行业数字化。数字化是未来ICT发展最大的机会，当前已经从理念走向了实践。不可否认，云是数字化的核心，但联接也发挥着非常关键的作用。这里彭松提到的Fusion，代表着联接要向云而生、服务好企业上云，构建与云融合的能力。在这个过程中，运营商大有可为。
Fusion分为两个阶段，第一阶段是联接要向云而生，它有三个关键词：“快”，即在企业侧搭建智能云端，实现快速入云；“多云互联”，指在骨干侧使能SRv6，实现一线入多云联接；“确定性”，是打造网络切片，提供确定性。
Fusion的第二个阶段是联接与云融合要逐步构建生态，这是最难的，但也是价值最大的部分。它需要网络能力的原子化和开放化，实现云调网、网调云。
Architecture：重点探索应打造怎样的网络架构来支撑当下和未来商业成功。彭松提出了面向未来的网络演进，需要通过Spine-Leaf方式使网络架构更弹性，使用铜转光、OXC等技术使网络业务更绿色，在运维和运营方面引入自动化使OPEX更优。华为持续在OXC、SRv6、ADN等技术上探索和创新，支撑了架构底座的发展。
“语言是叶子，行动是果实”，最后，彭松引用一句阿拉伯谚语结束了他的主题演讲，并表示“即使面临着巨大的外部压力，华为也将继续聚焦联接技术的创新，磨好自己的豆腐，帮助运营商实现当下和未来的商业成功。”
华为彭松：基于C.A.F模型构建联接竞争力，创造新增长相关推荐
- R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释：基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果、LIME解释器进行模型预测结果解释并可视化
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释一个iris数据样本的预测结果.LIME解释器进行模型预测结果解释并可视化 ...
- R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释：基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果、使用LIME解释器进行模型预测结果解释
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果.使用LIME解释器进行模型预测结果解释并可 ...
- 为基于树的机器学习模型构建更好的建模数据集的10个小技巧！
https://www.toutiao.com/a6680019995100971531/ 为了使模型更准确 - 只需对所有分类特征进行独热编码并将所有缺失值归零都可能是不够的. 假设有一个业务问题可 ...
- ML.NET 1.1 发布，模型构建器升级和新的异常检测算法
https://www.toutiao.com/a6703297861997560328/ 2019-06-17 08:59:15 ML.NET 1.1 已发布.ML.NET 是一个跨平台的机器学习框 ...
- 基于pytorch的LSTM模型构建
上文我们利用pytorch构建了BP神经网络,LeNet,这次我们利用LSTM网络实现对MNIST数据集的分类,具体的数据获取方法本文不详细介绍,这里只要讲解搭建LSTM网络的方法以及参数设置. 这里 ...
- RDKit | 基于scikit-learn将pytorch用于QSAR模型构建
将PyTorch用于深度学习框架.PyTorch非常灵活,并且有很多文章将其用于实现. 利用scikit-learn一样调用fit来训练pytorch模型,使用skorch可以使训练过程变得简单. s ...
- R语言构建文本分类模型并使用LIME进行模型解释实战：文本数据预处理、构建词袋模型、构建xgboost文本分类模型、基于文本训练数据以及模型构建LIME解释器解释多个测试语料的预测结果并可视化
R语言构建文本分类模型并使用LIME进行模型解释实战:文本数据预处理.构建词袋模型.构建xgboost文本分类模型.基于文本训练数据以及模型构建LIME解释器解释多个测试语料的预测结果并可视化 目录
- R语言rpartb包树回归模型构建：基于前列腺prostate数据集
R语言rpartb包树回归模型构建:基于前列腺prostate数据集 决策树是一种机器学习的方法.决策树的生成算法有ID3, C4.5和C5.0等.决策树是一种树形结构,其中每个内部节点表示一个属性上 ...
- R语言rpartb包树回归模型构建：基于乳腺癌（breast cancer）数据集
R语言rpartb包树回归模型构建:基于乳腺癌(breast cancer)数据集 目录 R语言rpartb包树回归模型构建:基于乳腺癌(breast cancer)数据集
最新文章
- 微信公众号为指定openid用户推送消息
- HDU 2444 The Accomodation of Students （二部图+染色）
- DLL的编写与使用（C++）
- 我泡在GitHub上的177天 by Ryan Seys
- 【若依(ruoyi)】quartz.sql 脚本重新导入时，遇到因foreign key外键无法删除错误#1217
- 双11稳定性负责人叔同讲述：九年双11的云化架构演进和升级
- 【Oracle】查看死锁与解除死锁
- matlab求滤波器的冲激响应,在TMS320C5410上用MATLAB实现有限冲激响应滤波器
- pandaboard 安装_linux fb设备(pandaboard) | 学步园
- 读懂这篇文章，你的阿里技术面就可以过关了 | Apache RocketMQ 101
- Github简单使用
- PyTips 0x03 - Python 列表推导
- PAT 1013 数素数
- 撤销工作表保护原密码_批量解除工作表保护，和批量执行保护一样简单
- nginx 使用自定义 log_format 以及输出自定义http头
- JDK8 toMap之key重复报Duplicate key xxxx异常解决
- ubuntu环境下安装hyperledger fabric
- android闪屏问题
- Codeforces 821B Okabe and Banana Trees 题解
- 8051芯片选型 - 新唐MS51