移动互联、BYOD、社交网络等应用的迅速发展,对WLAN提出了更高要求。802.11ac标准的发布可谓雪中送炭。部署802.11ac对于企业的有线网络提出了怎样的挑战?对此,Aruba Networks 亚太区及日本区技术顾问吴章铭(Eric Wu)表示,这首先体现在有线接入与核心交换的带宽冲击,11ac AP超越了1Gbps, 在有线接入中,若接入层交换机只提供1Gbps带宽,将如何满足11ac的接入带宽需求。此外,因为11ac的芯片不同,所以POE的供电也要满足11ac全速的能力,也意味着11ac要达到全速运作,供电势必采取IEEE 802.3at的供电交换机。
对于用户来说,随着WLAN技术的更新与成熟,WLAN已经不是一个传输的媒介,它代表着是商业模式中的一项工具(Tool),利用此工具达到更多的商业模式的开发与运作。例如:透过Wi-Fi接入的便利性与稳定性,采集消费者的购物足迹,进而连接到后台进行大数据分析,强化顾客关系并刺激消费,而这也是802.11ac环境下,未来给用户带来的商业潜力。
Aruba Networks 亚太区及日本区技术顾问吴章铭(Eric Wu)
吴章铭表示,用户在实际选购802.11ac产品时,主要需要注意两个方面的指标,包括1.终端接入容量:11ac AP终端接入容量能力,及稳定性。802.11ac提供高性能的接入能力与容量用户,若接入终端过多,将产生终端设备无法存取所需资源,事实上能够容纳再多的终端也是无用的。2.频谱分析设备在802.11ac的产品中,是否可以变更AP的角色,成为频谱分析设备。由于11ac的部署,将使企业仰赖Wi-Fi的传输,若802.11ac的AP可以依照需求成为频谱分析设备,将可为企业的无线网络,提供优化,故障查找便利及节省设备支出的成本。
其实从目前的用户采购行为来看,客户都已了解802.11ac在2015年将全面性的采用,事实上使否要采用802.11ac wave2来做部署,其实应该来检视wave2中的标准适用于企业环境还是家庭用户。例如:11ac wave2标准支持4的空间串流( 4 stream),实际上有多少终端设备支持4个空间串流,受限于供电与体积大小,终端设备还是保有现在的少于等于3的空间串流天线。第二,160MHz的频道宽度,适用于家庭用户,在企业环境若采用160MHz的规划,将会产上频道干扰且因为频道数量不足,造成空气中的拥塞。因此,若谈到使用wave1 或是wave2,应该先考虑所部署的场景来做决定。
比如Aruba Networks可以提供不同场景的802.11ac产品,室内,室外甚至高密度用户接入的802.11ac产品。而Aruba 802.11ac产品不仅仅是接入的带宽超越了1Gbps,甚至提供很多优化的技术,例如在漫游过程中,Aruba ClientMatch可以让终端设备无缝性漫游到最佳AP (Access Point);此外,Aruba AppRF技术甚至可以辨识终端设备执行的App,进而根据这些App来定义防火墙策略;Aruba 802.11ac甚至提供Cloud Wi-Fi,在无须任何控制器下,802.11ac AP仍可以自组成一张企业安全智能无线网络。
在企业中,过去几年提到无线接入是有线的补充,其实在802.11n的标准批准后,无线接入已可以成为企业内部的主网,甚至称为智能安全主网。目前企业的有线接入层,大多数并未提供网络的接入身份验证与防火墙策略下发至有线用户或端口,仅仅提供后台服务器访问的用户认证。在无线网络的未来发展上,带宽已不是决胜的关键,一个高带宽的无线网络,是否可以满足多种应用包含视频,语音及数据传送,若可以识别不同的应用,便可以根据人,终端类别,应用,时间甚至地点来下发防火墙策略,进而达到带宽的有效利用及安全防护。如此来看,部署802.11ac还需要多方面的技术升级。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。