在研发创新的过程中,“原型机”作为倾注了研发人员无数心血的结晶,承载着技术核心机密,因此常常被公司“严格看管”。可是,对于业内首创设备网解决方案的锐捷网络来说,被外界广泛关注的创新HPOE(大功率以太网供电)设备网原型机,却莫名其妙地从公司“失踪”了……
被用户“强行留下”的原型机
历史上,设计原型机丢失的事件不仅出现过一次,苹果iPhone就是“常客”,最近一次是在eBay上拍卖的iPhone 6原型机,一度拍到了超过10万美元。不过,锐捷的HPOE原型机显然并不是这种时尚电子消费品,但为何也从公司内“失踪”了呢?
作为锐捷设备网技术研发的负责人,徐明(化名)给我们说出了原委:“有一次某用户在安装安防系统遇到了难题,需要把监控摄像头安装在广场上50米的高处,但却无法对其进行供电,如果按照传统方式,只能重新布线,成本一下就升了上去,而且工期也难以保障。用户正好听说锐捷在研发类似场景下的供电产品(HPOE),于是就抱着试试看的心理,找锐捷一位工程师‘借来’了原型机,安装到了广场最高的监控点上,不仅一举解决了棘手的供电难题,而且效果还非常好,所以这个原型机也就被用户‘强行’留了下来,并且开始正式‘服役’。”徐明笑着说道,“一些研发人员不知道这件事,还以为HPOE原型机神秘失踪了。”
这款让用户“一见倾心”的产品,其每一个创新亮点的研发灵感,正是来自于智能建筑监控系统的应用现场。例如,HPOE的设计灵感,就是因为不少客户在安装室外或一些复杂场景监控系统时,没有现成的电源布线,如果重新布线又面临着成本和工期的问题。徐明和他的研发团队于是在现有用以太网Cat.5为小功耗设备提供直流供电的技术基础上,对终端接入设备和网线进行了改良,通过终端分离装置,一路给数据传输,另一路则实现了最大功率60W的交流供电,成功解决了这一难题。徐明接着讲述了另一个创新灵感的来源。
“精神病”带来的创新灵感
一天夜里,某博物馆巡查的安保人员突然发现了一个黑影闪过。在大家合围之下,窃贼被一举拿下。经调查这个人是精神失常的患者,最后联系到家属把人带走了。但为何红外报警设备没有起作用呢?正当领导安排技术人员排查问题时。突然,报警器却响了起来,监控设备发现了之前那个“窃贼”再次闯了进来。原来哪位精神病患者从家里又溜了出来,再次进入博物馆……
问题的重点最终落在了监控设备上,为什么红外感应设备会“时灵时不灵”呢?原来,这是由于智能建筑系统中的每套子系统的运维管理是分离的,监控人员如果不进入子系统,也就无法发现报警和故障,这就是第一次嫌疑人没有被监控设备发现的原因。
事故的第二天,正赶上徐明去拜访这个客户,他现场看到业主安保部主管在训斥承接该安防系统的某智能化公司项目经理。正所谓“说者无意,听者有心”,徐明没有事故当成“故事”一笑了之,而是带领研发团队主动联系这家博物馆,表达了合作的意愿,而这里最终也成为了锐捷网络设备网整体运维监控方案的诞生地。锐捷新改进后的解决方案,与传统的单点登录,后台监控各自为战不同,在锐捷的设备网方案中,只要接入智能建筑的子系统、每个IP终端,都能被纳入到设备网平台统一监控,一旦发现失灵、失控等故障,就会在第一时间通知到管理人员,避免了监控系统“失灵”的问题。
“细节”成就设备网
自1984年美国建成第一座智能建筑以来的三十年中,在世界范围内,智能建筑以一种崭新的面貌,迅速在全球推广。在提升建筑“智慧”的道路上,网络化、IP化的快速演进,使得传统的弱电集成商遇到前所未有的挑战。为此,锐捷网络深入智能建筑中的IP视频监控、广播、信息发布、楼宇控制、门禁管理、机房管理、网络业务融合等各项子系统应用场景,终于推出了这一款全新的“设备网”解决方案。
方案一经推出,很快便获得了业内专家和用户的高度认可。在徐明看来,创新成功的关键,就在于打破固化思维,从细节中寻找突破口。“例如有人认为监控设备安装路灯杆上,想当然认为直接就用市电接入就行,但实际上路灯白天没有电。也有人认为,视频监控设备接入交换机采用普通型号的也可以用,但它解决不了视频卡断、可视对讲占用门禁控制功能的细节问题。”徐明谈到,“设备网从研发到未来的发展,都是为了打破固化的思路,用新视角、新细节去帮助用户,带来价值,而这正是我们深入场景创新的目的所在!”
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。