无论是办公大楼、机场,还是购物中心或体育场,无线网络已成为员工、客户以及租户等的基本需求。在企业中,为提高移动性和员工生产效率应运而生的携带个人设备 (BYOD) 政策,为IT部门应对高度可用的数据访问能力带来了巨大的挑战。
2013年公布的每3年的《康普全球企业调查》把企业移动性的重要性列在智能基础设施,40/100GbE和绿色能源举措之上,认为是全球范围内企业网络面临的主要挑战。该调查采访了1,100位IT专业人士,发现在办公场所拨打的电话中,平均有43%的通过手机拨打。然而,仅有30%的企业表示其楼内信号覆盖和容量足以处理这些移动数据流量。这就迫使员工在办公场所到处搜寻手机信号,甚至来到室外进行通话。
预计到2018年,约有10亿名员工会在办公场所使用自己的智能手机和平板电脑。然而,在全球300亿平米的商业物业中,仅有约2%能够提供楼内移动无线网络系统。楼内移动设备使用量的持续增长与室内移动网络覆盖能力之间存在着缺口,导致信号微弱或出现信号阻塞区域以及无连接信号的盲区。不良的无线网络连接会降低携带个人移动设备的员工的生产效率,因此楼宇业主和企业必须充分考虑建筑内部的室内网络覆盖质量。
无线解决方案
有多种无线解决方案可用于改善连接性:运营商管理的小型蜂窝——在许可频谱工作的低功率无线接入点 (WAP),应用范围广泛,从适合小型办公楼的独立式femto和pico蜂窝,到适合大型楼宇、酒店、购物中心和校园的小型蜂窝集群。可在许可的蜂窝频段内,能实现楼内覆盖的小型蜂窝方案包括分布式天线系统 (DAS) 和分布式无线电。小型蜂窝集群通常用于增强传统宏蜂窝站点的容量和覆盖范围、管理高密度流量以及分担宏蜂窝的流量。
与此同时,Wi-Fi网络使用无线电技术来提供无线网络连接。在此方面,有两项行业标准定义了需求——IEEE 802.11ac指定了每个客户端的无线接入为1Gbps的数据传输速率,而电信行业协会的TSB-162-A则建议该如何部署WAP。
IEEE还批准了802.11ad标准。不同于在802.11n基础上增强的802.11ac标准,此新标准采用下一代Wi-Fi技术,支持峰值数据速率总和高达6.9Gbps,是802.11n的十倍以上。
这些解决方案各有优缺点,但是缺少对多运营商、多频带和多技术方面支持的情况依然存在。小型蜂窝技术仍在不断发展;双频、双重技术以及双运营商正待开发。康普分布式覆盖和容量解决方案小组嵌入式产品线经理Luigi Tarlazzi在其博客文章中表示:“我们甚至讨论过完全多运营商支持,不过仍有许多重要的难题需要解决,而这意味着这些缺口至少在未来几年内难以填补。”
分布式天线系统的未来
有源分布式天线系统在未来必占一席之地,该系统提供针对多运营商、多频带以及多技术的无线网络连接,并有望在大型和小型建筑物中实现更大的覆盖范围和容量。分布式天线系统技术的显著特点包括容量灵活的路由、可扩展性,以及头端易于升级。
主动分布式天线系统解决方案可由企业自行部署,不同于利用同轴线缆从基站或直放站传输射频 (RF) 信号的被动分布式天线系统,在通过标准Cat6A铜缆长距离传输信号到远程接入站点和天线之前 ,主动分布式天线系统会采用单模或多模光缆进行射频信号的长距离传输。采用光缆的低功率分布式天线系统可以提高容量,适用于复杂的室内建筑物,而同样采用光纤的高功率分布式天线系统则适合诸如购物中心或高层楼宇等需要精确覆盖的大型建筑物。
即使这样,分布式天线系统解决方案仍被视为仅有高端项目才会采用的昂贵方案。其主要问题包括成本、安装难易度和部署时间。正因如此,康普设计了室内和室外天线,以简化安装、方便部署。这些天线在高层办公大楼等难以覆盖网络的区域与它们在停车场、体育场、机场以及购物中心一样可有效部署。康普的分布式天线系统解决方案采用多频带设计,支持较宽的频率范围,并可以通过加装硬件和配件增强高流量区域的无线网络覆盖效果。
在室内环境,分布式天线系统正演变为一种统一的无线基础设施,围绕基于IT的结构化布线架构进行设计;其便于无线网络运营商和企业或楼宇业主安装部署;同时具备灵活、可扩展且足够简单,可满足快速提升室内覆盖和容量的需求的特点。最终,这一切的目的是确保通过分布式天线系统实现无处不在的蜂窝覆盖。这样,楼宇业主和企业就能解决网络覆盖不良的问题,确保那些需要随时保持在线的员工不论使用何种设备都能提升生产效率。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。