全球领先的信息与通信领域(ICT)解决方案供应商华为,今日在华为网络大会(HNC2015)正式商用发布新一代企业移动化信息平台eSight Mobile。华为eSight Mobile是一款可以安装在移动终端上的App,它聚焦企业运维痛点,率先推出几款核心应用,可以让运维人员随地随地进行无线网络运维,掌控网络变得触手可及。而作为PC版网管软件eSight的补充,eSight Mobile提供了轻量化的安装和更为广泛的应用,将助推更多企业进入更低成本、更高效率的运维新时代。
随着互联网的高速发展,无线网络在政府、企业、金融、校园等各行各业中的占比越来越大,随之带来的运维工作量及难度大大增加。畅享Wi-Fi带来的便利背后,却是网络运维人员在默默处理日益堆积的用户问题。
被动等待用户报障、复杂耗时、定位不精确等问题变成当前网络运维中困扰企业运维人员的最大难题。如何才能简化运维?如何才能提升用户的上网满意度?是否存在企业获益和用户满意的双赢?
华为本着“以客户为中心”的理念,基于企业移动化的趋势打造了通用的信息管理平台eSight Mobile,在满足用户实际需求的同时尽量简化操作。在园区内,运维人员可以通过Wi-Fi方便接入,而在园区外则可以通过3G、4G网络接入,快速获取所需数据,方便随时随地掌握网络运行状况,进行故障诊断和排查。同时,针对运维人员重点关注的WLAN管理推出了诸多人性化的场景设计:
现场巡检,用户体验优化:新建Wi-Fi网络后不知网络状况如何,或者当运维人员想要提升用户日常上网满意度,变被动处理为主动运维,就可以带上eSight Mobile到各个楼层实地体验无线网络质量。eSight Mobile接入网络之后,会优先显示当前接入用户,并通过关键指标展示其体验情况。若发现有指标异常则可以进一步查看用户详情,了解这个用户的所有无线网络指标,并查看优化建议。根据优化建议从用户-到AP到AC逐层溯源,找到影响体验的优化点。
用户报障,一键排查:用户报障之后,可以基于用户名称、设备MAC地址等关键信息,迅速查找到这个用户,然后进行一键式诊断,排查从用户、AP、交换机、AC、AAA服务器 端到端的故障所在,并提供故障原因和排障建议,指导用户排除障碍。排除障碍之后,可以持续观测用户日志,确认问题是否彻底解决。
从整体到局部,360度监控:主动监控,关注整体无线健康度,如果出现异常,可以逐层下钻至区域,挖掘到具体的故障点。比如从北京到朝阳区到国家会议中心到F1楼层,甚至更为细化的区域维度。
除了易用性,eSight Mobile还提供开放的平台欢迎合作伙伴的加入。它采用开放的企业信息云平台+移动APP的架构,并配合华为强大的eSight管理平台为企业运维提供新的管理模式:
前端:企业信息云平台,是华为建设的一个面向用户的门户网站,各企业可从云平台实时获取eSight相关资讯、在论坛上与华为工程师进行技术交流等互动,并能从云平台的应用商城获取最新发布的App。它提供合作伙伴注册认证能力并提供App审核能力,符合规范的App可在云平台中发布、推广。
客户端:eSight Mobile平台提供界面集成、单点登录、消息推送、广告注册等开放的API接口并开源,方便各合作伙伴基于eSight Mobile平台开发新的App。
后台:作为eSight Mobile数据采集和分析的后台,eSight管理平台也将对外开放网络监控相关的API接口,支持各合作伙伴利用强大的eSight管理能力一起构建更丰富的移动运维APP。
“高效便捷的移动化运维模式正被企业运维专家广泛认同。华为eSight Mobile大大提升了企业运维的效率,给企业带来了巨大的效益增长空间。”华为交换机与企业通信产品线eSight总监王志表示,“基于统一的开放平台,华为和合作伙伴将携手开发更多移动应用,构建开放合作共赢的生态圈,为企业运维创造无尽可能和商业价值。”
eSight Mobile提供试用版的下载,扫描下方二维码即可进行下载体验:
(目前支持Andriod4.2+,请用浏览器/扫码工具扫一扫进行下载)
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。