“在中国最大的无线城市—北京,锐捷有超过80000台AP在线上运行;在教育行业,锐捷连续9年保持市场占有率第一,有超过24万台的AP部署在各个高校,超过15万台的AP在普教的线上运行,超过1万所中小学使用锐捷AP;在医疗行业,锐捷超过5万台AP部署在400余家医疗机构,覆盖了近十万间病房...”。
回顾锐捷无线一路走来取得的成绩,锐捷网络无线产品事业部总经理邱根生自豪满满,因为锐捷无线在教育、交通、医疗、金融等多个主力市场中均保持第一。
锐捷无线成腕儿了
在无线WLAN这个市场,你听惯了思科、Aruba、华三、Ruckus等厂商的大名鼎鼎,对于锐捷网络,现在是否觉着“小瞧”了他呢?
在IDC发布的《中国WLAN市场季度跟踪报告(2015年第2季度)》数据中,锐捷网络在中国企业级WLAN市场占有率排名跃居第一,市场份额达到23.34%,这是否又曾出乎过你的意料呢?
锐捷网络无线产品事业部总经理邱根生
不过在邱根生看来,这些数据是顺理成章的事,背后是基于锐捷对每个行业无线应用的深入理解。“同交换产品不一样,无线在快速演进过程中,每个行业对它的使用都碰到了各种各样的问题,用户对这些问题的抱怨正是锐捷网络的机会。我们关注这些问题并下功夫去解决,锐捷深入每一个行业,把每个用户的场景和问题痛点研究透,最终让这个行业把Wi-Fi做到可用、好用并且大用。”
众所周知,思科是WLAN市场的“老大哥”,占据了全球WLAN市场的近半份额,不过,在中国,思科并没有形成复制。因为,它遇到了强劲的对手,华三、华为、锐捷都处在网络市场的快速增长期,不只是无线。
锐捷在网络市场的细分领域——无线,逆袭华三拔得头筹,到底原因是什么?只是因为锐捷更懂用户?华三、华为就不懂了吗?
说到底,还是得有硬功夫!
锐捷硬在哪里?
两个月前的阿里云栖大会说得上是中国为数不多的规模较大的会议了,3万人要上网想想都头疼。一场IT人的大Party,没有Wi-Fi或Wi-Fi很弱,岂不失了面子。但又不得不说,要搭建一张近3万人的无线网,这无疑是无线网络史上的一次极限挑战。
但最终,云栖大会的无线网备受称赞,现场Wi-Fi经受了高密环境的洗礼,谁干的?锐捷。
锐捷网络无线产品事业部营销总监黄李辉
回忆这场艰巨任务,锐捷网络无线产品事业部营销总监黄李辉仍记忆犹新,“云栖大会需要在5万平米、30米高的会场上为3万人提供同时接入的高品质无线网络,而工期只有10天。从规划设计、安装部署到组网调试和网优,简直是一个难以完成的任务!”
锐捷最终搞定了,凭的是什么?
黄李辉道出玄机一二,不是简单粗暴的增加AP的数量,也不是推高AP功率,重要的是高密度的AP调优。
锐捷“X-sense智能天线”专利技术担当大任,其实现的方向计算单元能根据终端的位置和信号质量动态调整定向波束方向或增益,从而做到让信号随人而动。
据悉,无论如何移动,X-sense都能让最佳的信号路径伴你左右。无需人工干预,X-sense凭借其强大的运算性能,可以在1毫秒内完成300次指向终端的信号路径切换。并且,X-sense能够动态组合不同的天线路径,支持最高多达1677万种组合方案,解决传统天线存在覆盖盲区的弱点。黄李辉称,X-sense引领了天线革命。
全场景秀实力
另外,在高校宿舍网及移动医护领域,锐捷的无线方案还包括了“第三代无线智分”、“零漫游”、“可堆叠AP”等技术,解决了楼层墙壁厚重、拐角多、信号弱等应用难题。同时,锐捷最近发布的“智分+”技术采用了多级分布式架构,令性能倍增,可应用在小开间、高密度、多隔断的场景中,满足超高性能和超高并发需求。最重要的,针对移动医护领域,锐捷的“医疗零漫游”专利技术,让业务永不中断,这也是锐捷对无线场景化深入理解的体现。
在轨道交通,你能想象处在120公里时速中还能上网自如吗?据介绍,在低速移动中,漫游切换会有五百毫秒到三秒的中断;在高速(80公里/小时)中,每2秒漫游,会有50米距离信号中断;超高速(120公里/小时)中,每2秒漫游,会有75米距离信号中断,这些都是技术的瓶颈。
不过,锐捷打破了这些瓶颈,黄李辉表示,锐捷独创此场景中“快速漫游切换”技术,最终实现达到6毫秒的车地快速切换,确保切换过程中数据(趋零)丢包。
在教育、医疗、轨道交通、大型场馆等领域锐捷展现出了一个又一个硬功夫,所以这也是其拿下市场头把交椅的原因。
不止这些,邱根生指出,锐捷把无线的生意划分为几个版图,在金融、运营商、零售、楼宇等领域推出了大量契合行业应用特点的WLAN创新产品和解决方案。所以,锐捷要的是在基于优势领域的基础上持续攻城拔寨。
虽然,WLAN在全球市场增长放缓,但在中国,无线市场增长强劲(IDC全球WLAN 2015第三季度追踪报告,中国同比增长19.8%),对于身处中国的WLAN供应商们,都是掘金的机会,当然前提是你的东西拿得出手。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。