在大多数人的印象中,网络产品研发人员应该是守在机房和电脑旁,但锐捷网络的研发工程师不仅远离办公室,甚至还昼伏夜出,当起了行踪“可疑”的夜行人。而这些不同寻常的举动,恰恰正是今天锐捷网络的创新之源……
被怀疑的“夜行人”
刘俊,锐捷网络千名研发团队中最普通的一员。自从接到了筹备地铁无线网络解决方案的任务,他做的第一件工作,就是受命到上海地铁出差,深入到行业一线调查需求,以求设计出能够真正符合用户“场景化应用需求”的产品。
由于地铁隧道内部运行环境复杂,网络解决方案的创新功能研发需要可靠的数据支撑,而无线传输设备也必须要符合耐潮、耐温、耐压和抗风的要求,在恶劣环境下也能工作稳定。而达到上述需求,刘俊他们就需要“钻洞入地”,实地勘测取得最可靠的一手数据。
深入用户的应用场景,这个要求看起来简单,但实际上却并不容易。此时,地铁早已是上海公共交通的支柱,越来越多的人们视地铁为出行首选交通工具。因此,进入隧道必须要等地铁夜间停运,23:30分左右完全放电后才行,而每天留给刘俊和他同事们的,只有深夜这几个小时的时间,一定要抓紧,确保不影响地铁第二天的正常运行。
于是,每到晚上11点左右,酒店的服务人员就会看到,一群人统一装备,准时背着大包小包静悄悄地离开酒店,然后又在凌晨3点左右回到酒店大厅,聚在一起讨论着什么问题。正是这种古怪的行为,使这群“夜行人”让酒店的工作人员提高了警惕,除了紧密“监视”,甚至还请保安过来询问,用刘俊的话讲:“就差要去报警了”。虽然经过后来的沟通,这场误会算是解开了,但他们的“古怪”行径,仍然让酒店的服务人员感到有些不可思议。
那么,天天昼伏夜出的工作,他们究竟是要解决什么样的难题呢?据刘俊介绍,他们首先要对付的,是一种被称为“活塞风”的现象。
智斗“活塞风”
当列车在隧道中运行时,隧道中的空气被列车带动而顺着列车运行前进的方向流动,这一现象称为列车的活塞作用,所形成的气流也称为“活塞风”。由于最终方案里, AP等很多无线相关的网络设备都要布放在隧道中,因此对于“活塞风”的脾气,必须要摸得清清楚楚。
为了测试“活塞风”等相关数据,刘俊他们在隧道内的不同位置、两站出入口都需要布点监控。由于此时隧道内还没有无线网,手机信号更是一片空白,尤其是一些弧形隧道内,对讲机也会失效,所以,传达信息只能靠最原始的面对面语音,于是最费体力的工作出现了,所有研发人员,尤其是在两端的队员,要沟通一些问题,必须要步行2公里左右,之后再原路走回去。由于晚上时间紧迫,常常需要小跑着往返,长久下来,大家的肺活量大大增加,一向身体较弱的研发人员运动能力提高了不少。
“我们现在负重步行20公里非常轻松,之前公司组织体育活动,研发人员往往很少参加,现在他们听了‘活塞风’的故事之后,各个都非常积极,没准有一天锐捷研发人员需要去珠峰测试呢。”刘俊的一位同事对于未来可能面对的艰苦工作环境,表达了这样的“乐观”精神。
那么,辛苦得来的“活塞风”实地勘测参数,其意义对于产品研发有多大呢?据介绍主要体现在两方面,一是对产品选用制造工艺和材质的考虑,另外一个就是对部署的影响。
从网上查阅“活塞风”资料时,有心人可能会发现,“活塞风”的风速相当惊人,甚至已经有研究人员考虑用活塞风进行风力发电,降低整条地铁线路的运营成本。而锐捷网络实测活塞风风速的大小更是要考虑到各种峰值情况。根据刘俊团队实测数据,在地铁通过隧道时,由于受到挤压作用,“活塞风”的威力能达到每平米8吨!普通网络设备的外壳无疑难以承受这样的压力,此外,因为有时地铁内部会形成自己的小气候,高峰时段和外界温差变化,都会对设备信号造成很大影响。为了尽可能考虑到种种变化因素,研发人员在深夜的隧道中一呆就是几个月,他们甚至还不得不 “欢迎”恶劣天气的到来,因为这样的数据才更全面、更真实、更准确。
“懂场景”的背后
如今,刘俊早已带着队伍离开了上海,回到了锐捷网络在福建的研发总部。但相信这一段经历给每一个参与方案设计的研发人员留下的不仅是深刻印象,更是对研发创新工作的进一步理解。
在锐捷网络前不久结束的2015年合作伙伴大会上,总裁刘中东说了这样一句话。他说:“扎根行业、深入场景让锐捷网络优势行业的地位继续稳固,让锐捷的创新技术在各个领域与用户应用场景结合得更加紧密。”
刘俊这样的一线研发人员,正用自己的行动,为“懂场景”做出了最真实的诠释,也为此后“锐捷地铁无线网络解决方案”得到用户赞许,并荣获多个“创新奖”打下了坚实基础。
创新成就梦想,梦想改变未来。当社会迈入互联网时代,人们往往炫目于那些改变世界、眼花缭乱的创新,但在聚光灯之外,在各个行业沉默平凡的应用场景中,正凝聚着改变未来的创新之源!
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。