企业规模在发展,IT系统当然会越来越多,越来越复杂。但随着IT系统复杂程度的大幅度提高,因此而产生的运维成本也不断攀升。在一个应用相对复杂的IT系统中,解决相同的问题,企业往往需要付出比以往更多的人力和物力。因此,简化IT的需求也变得异常突出。
华为作为企业网市场的劲旅,其不仅在核心网络方面拥有自己的核心技术,更在处于企业网边界的接入层有着独到的产品思路。而这套思路的核心便是简化无线网络的组建和维护。
简单?不简单!
对于普通消费者来说,WiFi几乎是最简单、最方便的网络接入方式,一个简单的无线路由就能基本满足手机、PC、电视和其他智能设备的网络接入需求。但俗话说量变产生质变,当一座楼宇或一个园区内成千上万台设备需要同时链接WiFi时,问题就变得异常棘手。
楼宇内部结构千差万别,如何才能做到有效覆盖?如何布置WiFi热点才能在用料最省的情况下做到最好的覆盖?是什么在干扰我的WiFi信号?我网速慢、网页打不开,怎么办?
这些问题看似简单,也是我们在日常工作中经常会遇到的情况。但对于任何一个运维人员来说,这些看似简单的问题往往非常棘手。因为影响最终用户网 络接入体验的因素千千万,想要一一排查几乎是不可能的,而光靠经验也不是每次都灵。最终,大量的企业资源被消耗在了这些琐碎的问题上。我们一直在强调业务 系统的简化,但在这些细枝末节的地方就没有一套简便的解决方案么?答案显然是否定的。
作为一套专门针对网络运维的软件,华为eSight为企业提供了一套智能化、自动化的分析、检测工具,让企业能够用最简单的方法解决网络接入方面那些琐碎而繁杂的问题。
移动化+智能化
而在5月底举行的华为2015 HNC大会上,华为更是推出了全新的eSight Mobile移动端软件,让企业管理员手中的智能手机成为排查网络故障、优化运维的利器。目前,这款软件已经推出了安卓版本,而iOS版本也会在今年11月登录AppStore。用户只需下载移动端程序并通过WiFi或移动网络连接后端的eSight服务器就可以实现对企业网络的分析和管理。
当然,移动端的推出只是解决了网络运维移动化的问题,而智能化才是eSight Mobile的核心优势所在。
首先,运维人员可以使用eSight Mobile实时与所在的Wifi热点链接,查看热点的工作情况。同时,eSight Mobile也可以与后端的eSight管理软件相配合,给出当前热点的优化建议,做到防患于未然。而这一分析过程是全自动完成的,用户只需通过简单的一 两步操作就可以得到所有可用的信息和优化建议。
当然,针对日常运维中最常见的“上不了网”或“网速慢”等问题,eSight Mobile还可以结合后端的eSight管理软件,自动检查从终端到认证服务器的整个网络链接,实现对问题的快速定位。而这一过程在过去往往需要运维人 员针对问题终端进行繁琐的操作并联系后端进行大量的配合,费时费力。
另一方面,华为在未来也计划将整个eSight Mobile的API开放给第三方合作伙伴,让合作伙伴能够借助华为全面的底层功能开发出适合各个行业和企业的定制化应用,实现更广泛的智能网络运维。
总结:
大道至简,细处见真章。当所有企业都将IT发展的重点放在那些大系统、大应用上的时候,华为却没有忘记在细节上下功夫。总体来看,eSight Mobile只是eSight运维系统的一个辅助,但这个功能却能够将网络运维推向另一个层次。就像所有好用的东西一样,体验过一次就再也离不开了;而当 企业网络越来越易用的时候,华为的王者地位也就越来越稳固。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。