随着智能手机的普及,近年来很多体育赛事的现场观众不再满足拿着可乐喊加油了,手机拍摄、社交媒体互动已经成了球迷观赛的必需,当然高尔夫球比赛也不能例外,观众们开始依赖科技带来的观赛体验。为了满足球迷的需求,赛事组织者以及比赛场馆运营者开始转向新兴科技的投入,包括高速的WIFI服务、云服务、移动技术以及分析工具等,以非凡的赛事体验来吸引更多观众的观看。
中东最佳球场遭遇老旧网络困扰
阿联酋高尔夫俱乐部是中东第一个达到世界赛事标准的草地球场,被称为“沙漠奇迹”。自1988年建成以来,凭借36洞的世界级高尔夫球场,俱乐部承办了这座城市最重要的两个赛事——迪拜沙漠精英赛和迪拜女子大师赛。
阿联酋高尔夫俱乐部由于建造年代久远,网络老化问题严重,加上早期网规不专业,俱乐部网络覆盖存在盲区。在重要比赛期间,大约会有3000球迷同一时间涌入球场。并发用户多,带宽和时延要求高,如何提升用户WIFI体验?是俱乐部面临的最严峻的问题。
2014迪拜沙漠精英赛开幕在即,网络改造工期非常紧张。俱乐部IT主管Sanjay Narula如是说:”我们处在一个随时随地实时互联的时代,我们希望给2014沙漠精英赛提供良好WIFI体验的网络覆盖。”
华为高质量WIFI解决方案赢得客户青睐
结合阿联酋高尔夫俱乐部的网络诉求及现网情况,华为与合作伙伴强强联手,推出全新的WIFI解决方案。其室内采用最新一代主要适用于高密场景的AP5010DN、AP6010DN、AP7110DN,室外采用AP6510DN,利用小角度天线保证覆盖距离和带宽。接入交换机采用的是华为S5700,Wireless controller采用的是AC6005(1+1备份)。无线漫游过程零丢包,最小时延不到1ms,平均时延3ms左右。信号强度与漫游效果出色的性能指标,让现场的阿联酋高尔夫俱乐部有关领导也忍不住竖起了大姆指。
一键仿真功能,精准高效规划:华为在无线领域有20多年的积累,并拥有专门网规工具开发团队。借助自研的网规工具,华为已成功交付过8万人规模的多特蒙德体育馆、阿贾克斯等高密场馆,无线交付的经验非常丰富。针对高尔夫球场建筑特点,地形起伏分布分散,室外采用小角度定向天线,定制化地调整网规工具各项参数,并利用工具自带的一键仿真功能,保证全覆盖和带宽的要求,精准快速完成网络规划,保障交付效果。
全面验收,确保交付成果:华为现场交付人员为了保证球场无线网络高质量的交付,对室内和室外无线覆盖的效果进行了全面的验收测试。在任意位置,单用户接入速率均可达到客户要求,客户现场体验后对华为整体无线覆盖方案、面板AP外观以及性能、专业的交付专家团队均给予了高度的认可。
极致网络畅享沙漠王国 华为WIFI助力阿联酋高尔夫俱乐部精彩不断
整个阿联酋高尔夫俱乐部项目的部署在48小时内全部完成,赶在2014年迪拜沙漠精英赛前完成了交付。赛事前后过程中,华为研发人员现场24小时全程保障,没有出现任何故障,完美的用户体验大大超过了客户的预期,得到了客户和观众的一直好评。对此,Sanjay Narula表示:”华为与合作伙伴一起提供的综合解决方案为高尔夫球场的传奇再添精彩。”
阿联酋高尔夫俱乐部是华为在海外首个高尔夫球场的场馆应用,此前,华为已在中国国家体育场(鸟巢)、上海F1赛车场、德甲多特蒙德主场、荷兰阿贾克斯主场、葡萄牙本菲卡体育场、马德里竞技体育场、乌兹别克斯坦国家体育场等场馆中成功部署高密WIFI网络,为近百万观众提供了优质的WIFI服务。
好文章,需要你的鼓励
微软正与OpenAI进行高级谈判,旨在确保即使OpenAI实现通用人工智能后仍能继续使用其技术。据报道,双方谈判进展积极,可能在几周内达成协议。该协议将为OpenAI向完全商业化企业转型扫清关键障碍。微软已投资137.5亿美元,希望在重组后的公司中获得更大股份,谈判涉及30%左右的股权比例,同时确保Azure和Copilot等服务的技术供应安全。
这项由Midjourney团队主导的研究解决了AI创意写作中的关键问题:如何让AI既能写出高质量内容,又能保持创作的多样性和趣味性。通过引入"偏差度"概念和开发DDPO、DORPO两种新训练方法,他们成功让AI学会从那些被传统方法忽视的优秀独特样本中汲取创意灵感,最终训练出的模型在保持顶级质量的同时,创作多样性接近人类水平,为AI创意写作开辟了新方向。
AI初创公司Arcee.ai发布45亿参数的企业级AI模型AFM-4.5B,采用严格筛选的清洁数据训练。该模型专为商业和企业用途设计,年收入低于175万美元的企业可免费使用。相比数百亿参数的大模型,AFM-4.5B在保持强劲性能的同时具备成本效益和监管合规性。模型支持云端、本地和边缘部署,内置函数调用和智能体推理功能,旨在满足企业对速度、主权和规模的需求。
上海AI实验室联合多所高校开发出VisualPRM系统,这是首个专门用于多模态推理的过程奖励模型。该系统能像老师批改作业一样逐步检查AI的推理过程,显著提升了AI在视觉推理任务上的表现。研究团队构建了包含40万样本的训练数据集和专门的评估基准,实现了在七个推理基准上的全面性能提升,即使是最先进的大型模型也获得了5.9个百分点的改进。