开放共赢——阿里巴巴在世界最大光通信会议OFC上分享技术观点

简介: 阿里巴巴一直秉承开放的态度,致力于构筑世界一流的数据中心光网络基础设施。在此次OFC期间,阿里巴巴与业界公司和人士进行了深入的技术交流和商务洽谈。

image.png

第44届光纤通讯展览会及研讨会(OFC),官方网站为www.ofcconference.org,于2019年3月3日-7日在美国加州圣地亚哥会展中心举行。OFC自1975年创办至今,已被公认为光通信领域全球规格最高、规模最大、历史最悠久、影响力最大的国际性盛会,每年吸引全球光通信领域15000多位专业人士参会和700多家企业参展,会议将发表600多篇学术论文报道光通信与光网络领域最新研究成果和技术进展,并通过广泛的学术和商业交流来推动整个光通信行业的发展。

随着高速自研光模块和开放解耦光网络在阿里巴巴数据中心大规模部署,阿里巴巴在高速光互连和光网络领域持续创新,在光通信和光网络等数据中心基础设施领域已经逐渐走向世界前列,并在各大光通信国际会议上扮演者着越来越重要的角色。继2018年阿里巴巴成为全球互联网企业中第一家OFC赞助商之后,今年阿里巴巴集团再次组团参加这一盛会,其中包括了多位在光通信领域深耕多年的博士。这次不仅积极参与到OFC组委会工作中,还作了多个技术报告。

在今年OFC的组织工作中,阿里巴巴首席通信科学家谢崇进博士担任了大会的程序委员会主席(Program Chair),并牵头组织了名为The Role of Optics in Future Data Center and Computing Applications的大会主席特别研讨会(Special Chairs’ Session),由来自谷歌、微软、阿里巴巴、Nvidia、博通、Xilinx和东京大学等公司和高校的八位顶级专家做了精彩的特邀报告。与此同时,阿里巴巴的陈赛博士还担任了大会技术委会委员(TPC member)的职务,参与到报告人邀请和论文评审工作中。

借着OFC一站式思想碰撞和技术交流的机会,阿里巴巴带去了多个前沿技术分享和一项技术展示(demo paper)。在数据中心峰会(Data Center Summit)上,谢崇进博士参加了圆桌会议并分享了开放光网络在数据中心互联应用的观点。阿里巴巴还有多位技术专家分别在大会主席特别研讨会和四个热点技术专题workshops上做了特邀报告,分享了在数据中心网络架构、智能化、光模块、相干光和开放光传输数据模型等方面的看法。

阿里巴巴技术团队题为“Standardized Northbound Interface Testing Automation on the Open and Disaggregated Optical Transport Equipment”的技术演示论文(demo paper)被接收,该技术团队在本次OFC的演示环节中进行了展示,并与技术同行进行了深入交流。此外,阿里巴巴两篇关于数据中心光互联的研究论文投稿均被接收,相关专家做了口头报告。

阿里巴巴一直秉承开放的态度,致力于构筑世界一流的数据中心光网络基础设施。在此次OFC期间,阿里巴巴与业界公司和人士进行了深入的技术交流和商务洽谈。

image.png

图1 阿里巴巴部分参会同学在会议logo前合影

image.png

图2 阿里巴巴部分参会同学在会议上合影

image.png

图3 阿里巴巴多位同学在会议上作特邀报告

目录
相关文章
|
Kubernetes TensorFlow 算法框架/工具
Kubeflow 使用指南
Kubeflow(https://github.com/kubeflow)是基于Kubernetes(https://kubernets.io,容器编排与管理服务软件)和TensorFlow(https://tensorflow.org,深度学习库)的机器学习流程工具,使用Ksonnet进行应用包的管理。
14279 0
|
人工智能 光互联 数据中心
横跨半世纪的光通讯巅峰盛会OFC落幕,阿里云在全球光通信顶会OFC2025上发表多个创新成果和报告
​2025年3月,全球光通讯领域最具标杆意义的年度盛会——OFC(光纤通信学术会议暨展览会)迎来其50周年里程碑,在美国加州旧金山盛大开幕。来自全球83个国家和地区,约17000名专家、学者、企业和政府人员齐聚美国,共同融入这场知识与思想的盛会。
|
缓存 人工智能 数据中心
全球光通信顶会OFC2023 阿里云多位专家分享数据中心光网络创新
全球光通信顶会OFC2023 阿里云多位专家分享数据中心光网络创新
全球光通信顶会OFC2023 阿里云多位专家分享数据中心光网络创新
|
安全 算法 网络安全
|
机器学习/深度学习 人工智能 监控
一文读懂deepSpeed:深度学习训练的并行化
DeepSpeed 是由微软开发的开源深度学习优化库,旨在提高大规模模型训练的效率和可扩展性。通过创新的并行化策略、内存优化技术(如 ZeRO)及混合精度训练,DeepSpeed 显著提升了训练速度并降低了资源需求。它支持多种并行方法,包括数据并行、模型并行和流水线并行,同时与 PyTorch 等主流框架无缝集成,提供了易用的 API 和丰富的文档支持。DeepSpeed 不仅大幅减少了内存占用,还通过自动混合精度训练提高了计算效率,降低了能耗。其开源特性促进了 AI 行业的整体进步,使得更多研究者和开发者能够利用先进优化技术,推动了 AI 在各个领域的广泛应用。
10650 21
|
前端开发 网络架构
计算机网络——第一章时延部分深入学习、相关习题及详细解析
计算机网络——第一章时延部分深入学习、相关习题及详细解析
1701 0
|
缓存 开发工具 git
Git Cloning into :error: RPC failed
Git Cloning into :error: RPC failed
739 0
|
数据采集 机器学习/深度学习 算法
多点开花:阿里云基础设施光网络团队论道OFC 2022
OFC 2022进行时,阿里云基础设施光网络团队论道、分享~
多点开花:阿里云基础设施光网络团队论道OFC 2022
|
运维 监控 容灾
安全生产-系统稳定性建设
安全是产品的底座,是体验的基础,也是企业的一项核心竞争力。安全生产是一项系统性的工作,同时也是一件比较琐碎的事,需要做方方面面的考虑尽一切可能保障系统安全稳定运行。
安全生产-系统稳定性建设
|
人工智能 负载均衡 异构计算
灵骏可预期网络:Built for AI Infrastructure
灵骏可预期网络:Built for AI Infrastructure
灵骏可预期网络:Built for AI Infrastructure