Deutsch-Chinesische Enzyklopädie, 德汉百科
Our Mission
Transform the network.
Transform our business.
Radio Access Networks (RAN) are the invisible threads that weave together the fabric of our connected world. Just like neurons connect the brain, RANs connect people and devices in the network, forming a vast web of intelligence. The RAN, which has gone through five generations of technological advancements, still has vast unexplored frontiers waiting to be unveiled.
We believe that we are just scratching the surface of its true potential. Through cutting-edge technology, we are embarking on an ambitious mission to transform what the RAN can do for our businesses with the power of Artificial Intelligence (AI).
Evolving networked sustainability
We aim to make our existing system more intelligent, efficient, and reliable, empowering us to expand the meaning of sustainability in multiple dimensions.
At AI-RAN Alliance, we are cultivating a fertile new ground of innovation out of which new businesses, new industries, and new ideas will grow.
Our Vision
Realizing and harnessing the potential of an AI-native RAN
Bringing together the technology industry leaders and academic institutions, the AI-RAN Alliance is dedicated to driving the enhancement of RAN performance and capability with AI. Moreover, we aim to optimize RAN asset utilization, and unlock new revenue streams. By pioneering AI-based innovations in RAN, we aspire to profitably propel the telecom industry towards 6G.
2023年11月,德国BMBF发布《人工智能行动计划》,该计划规划了11项具体行动领域。BMBF正在推动50项以人工智能研究、技术和基础设施发展为重点的现行措施,该计划将在此基础上新增20项额外的人工智能举措,并在本届政府任期内实现投入超过16亿欧元,助力德国在国家和欧洲层面促进人工智能的发展,从而推动欧盟与已经占据人工智能主导地位的国家竞争。
AlphaFold 3 预测所有生命分子的结构和相互作用 AlphaFold 3 是由 Google DeepMind 和 Isomorphic Labs 共同开发的新型人工智能模型。通过准确预测蛋白质、DNA、RNA、配体等的结构及其相互作用,我们希望它能改变我们对生物世界和药物发现的理解。
SageMaker ermöglicht es Entwicklern, beim Training und der Bereitstellung von Modellen für maschinelles Lernen auf verschiedenen Abstraktionsebenen zu arbeiten. Auf der höchsten Abstraktionsebene bietet SageMaker vortrainierte ML-Modelle, die so wie sie sind eingesetzt werden können. Darüber hinaus bietet SageMaker eine Reihe von integrierten ML-Algorithmen, die Entwickler auf ihren eigenen Daten trainieren können. Darüber hinaus bietet SageMaker verwaltete Instanzen von TensorFlow und Apache MXNet, in denen Entwickler ihre eigenen ML-Algorithmen von Grund auf neu erstellen können – unabhängig davon, welche Abstraktionsebene verwendet wird, kann ein Entwickler seine SageMaker-fähigen ML-Modelle mit anderen AWS-Diensten verbinden, wie z. B. der Amazon-DynamoDB-Datenbank für die strukturierte Datenspeicherung, AWS Batch für die Offline-Batchverarbeitung, oder Amazon Kinesis für die Echtzeitverarbeitung.