近年来,我国各大高校信息化建设进入加速发展的新阶段,教育信息化已跨入移动互联、云计算、大数据的“智慧教育”时代。面对愈加复杂的数据应用、持续不断管理创新和迅速增加的带宽需求,智慧化校园网孕育而生。如何依托先进的网络技术和产品,提升校园网的应用价值,提升教育信息的智能化水平,成为现阶段智慧校园建设的主要问题。
为更好地创建一个面向未来的新一代教育信息化云平台,扬州工业职业学院选择携手国内顶尖的网络互联解决方案专家DCN,共建高可靠、高可用、高服务质量的校园网,给全校师生提供更为优质、稳定、高效、安全的网络环境。通过部署DCN“云石”系列新一代数据中心核心交换机,极大地提高了扬州工业职业学院校园网的承载和适应能力,进一步提升了校园网的应用价值,使全校的信息化建设向“智慧校园”迈出了坚实的一步。
面向未来 构建新一代校园网络平台
扬州工业职业技术学院坐落在扬州市扬子津科教园区,学校占地总面积55.6万平方米、建筑面积30.3万平方米,校园风景秀丽,环境优美,学术氛围浓郁,是一所园林化、数字化、生态型的校园。学校于2004年7月经江苏省人民政府批准,由原扬州化工学校、扬州建筑工程学校等合并组建而成,以培养适应石油化工行业、建筑行业和现代制造业以及地方经济社会发展需要的高素质技术技能型人才为已任,是苏中地区最大的工科类高等职业院校,也是扬州地区唯一一所省级示范性高等职业院校建设单位。
据了解,扬州工业职业技术学院从2005年开始建设校园网,经过一、二、三期网络基础建设,新校区的校园网络建设已经基本覆盖全部校园。整个校园网的网络设备全部采用神州数码网络公司的网络设备,核心采用神州数码的DCRS-7608 IPV6万兆双栈路由交换机,各楼宇汇聚采用神州数码的DCRS-6804 IPV6万兆双栈路由交换机,接入交换机采用智能安全交换机DCS-3950系列。
DCN扬州工业职业技术学院教育信息化相关负责人介绍,随着校园网规模越来越大,教学、科研对信息化的依赖越来越强,校园信息化的发展也越发迅速,网络结构也越来越复杂,管理运维的难度不断加大。需要对网络架构和核心设备升级改造,创建新一代校园网络平台。此次升级改造的最突出的需求是智能性,一方面要求设备性能强大,因为只有性能卓越且稳定性高的架构才能满足我们的需求,另一方面需要网络设备的技术和功能要有开创性、融合性、扩展性,只有这样才可以建成面对未来的智慧校园平台。
近年来,伴随着校园网络应用的深入,现今的校园网不仅要具有更高的带宽、更强的性能与可靠性,还必需能对不同数据进行合理有效的管理,以便充分的利用网络传输带宽。同时,为了应对网络规模日益扩大所带来的繁杂的维护工作,现代校园网络还应具备更智能的网络管理能力,将网络管理人员从繁重的工作中解脱出来。
扬州工业职业技术学院校园网原先采用的传统三层架构,网络结构相对复杂,汇聚层设备做三层网关,启用路由协议,与核心之间三层互通。同时,为了避免环路,接入层与汇聚层设备需要启用复杂的MSTP生成树协议,配置的复杂造成了管理的复杂,网络管理员需要熟知整网的状况以及每台设备的配置情况,以便在出现网络问题时能够快速定位。
此次的扬州工业职业技术学院校园网核心升级改造采用一台神州数码新一代数据中心交换机CS16809作为核心,整体采用大二层结构设计,将路由、认证终结,核心设备作三层网关,终结ARP,启用路由协议,核心层设备功能丰富、性能强大、可以更好的满足校园网发展需求。接入、汇聚全部为纯二层配置,负责二层转发,原有汇聚设备不再需要配置复杂的路由功能及安全功能,接入设备只需要配置vlan及简单的端口隔离功能即可,所有数据经由核心转发,满足现网用户数量10000人,最大并发用户数量达到7000人的使用要求。
DCN该项目负责人表示,随着信息化建设的推进,校园网建设有着比传统校园网建设更高的要求,面向应用的、高效多业务的融合网络平台才是真正面向未来的智慧校园网络。此次帮助扬州工业职业技术学院搭建新一代智慧校园网络平台,再次证明了DCN新一代数据中心交换机CS16809强大的业务自适应能力和高速智能的性能特征,以及其在智慧校园网络建设中的行业应用优势。在未来,DCN将继续用创新的技术和产品,帮助更多的学校构建属于自己的“智慧校园”,推动中国教育信息化深入发展。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。