在“互联网+”的浪潮下,广电行业唯有紧扣时代脉搏、贴近用户需求,才能防止用户流失,才能找到新的利润增长点。北京歌华有线电视网络股份有限公司(以下简称“歌华有线”)携手锐捷网络升级视频承载网,采用锐捷“牛顿”云数据中心交换机,打造高清互动电视网承载核心,不仅为首都用户提供了个性化的智能电视收视服务,更可以在雾霾频发的天气里,利用高清互动的平台,让学生在家听课学习,从另一个角度抵抗雾霾!
高清互动业务遭遇技术瓶颈
歌华有线成立于1999年9月,是北京唯一一家负责全市有线电视网络建设、管理和经营,并从事广播电视节目收转传送、视频点播、网络信息服务、基于有线电视网的互联网接入服务以及互联网数据传送增值业务的运营商。同时,歌华有线也是国内有线网络首家上市公司、国内第一批三网融合广电试点企业。
歌华有线的网络建设一直保持行业领先,在北京市的光缆铺设5万余公里、电缆24万公里,除总前端机房外,拥有一级传输机房15个、二级传输机房200余个、小区接入机房上千个,面向560万注册用户超过(其中高清交互数字电视用户超460万,双向交互用户数居全国广电首位)、40万个人宽带用户提供数字电视节目175套(其中高清电视节目26套)、18套数字广播节目和多种交互数字电视应用服务及互联网业务。
然而,在“三网融合”和“宽带中国”的背景下,随着宽带用户接入带宽不断提升、互联网视频业务内容不断丰富,歌华有线传统的视频业务也面临了较大的压力。面对竞争,歌华有线在推进有线电视数字化整体平移时,以双向为基本要求、以高清为发展方向、将高清交互机电视顶盒作为标配终端发给用户,最终建成了国内最大的高清交互数字电视网络。在公司战略加速转型的关键阶段,歌华高清视频点播、时移电视、电视院线和云平台等交互数字电视业务逐渐受到用户喜爱。歌华有线的视频承载网也产生了新的需求:
由以上需求可看出,只有全面升级数据中心核心交换设备,建设更高性能的以太视频承载网,才能为数百万高清互动用户打造高品质的服务。
牛顿助力歌华视频承载网升级
歌华有线交互数字电视网络建设于2012年,经过短短的两三年发展,原先的网络遇到了万兆端口密度低、无法继续扩容的问题,并且一直存在的丢包问题也没有得到解决。因此,2015年歌华有线启动了视频承载网的升级工作,由此吸引了国内众多网络厂商参与项目竞争。
最终,锐捷 “牛顿”系列RG-N18010云数据中心交换机在激烈的竞争中脱颖而出,并且在歌华有线严格的业务测试和实际运行中取得了良好的效果。“牛顿”的超强性能、高密度设计和扩展性满足了歌华有线业务拓展需要,其特性与需求对接情况如下:
“停课不停学”,推流网不惧雾霾
项目正式上线以来,依托成熟稳定的云计算数据中心解决方案,RG-N18010不仅满足了视频业务后台系统南北与东西向大流量数据的传输,更解决了分中心高性能接入性难题,网络运行稳定、视频业务顺畅。尤其是在割接上线过程中,RG-N18010的开放性与兼容性再次得到验证,无阻碍地为推流服务器和缓存服务器提供了高速互联。
值得一提的是,在北京红色雾霾预警期间,歌华有线高清交互平台“北京数字学校”发挥平台资源优势,配合北京市教委保证首都中小学生能够在家通过电视机学习,做到“停课不停学”,总访问量超过380万次,单日访问峰值达到135.7万余次,让教学高清视频流畅穿越重重雾霾,送到了每个孩子的眼前。
好文章,需要你的鼓励
英伟达宣布推出Alpamayo-R1开源推理视觉语言模型,专为自动驾驶研究设计,这是首个专注于自动驾驶的视觉语言行动模型。该模型基于英伟达Cosmos Reason模型构建,能够处理文本和图像,让车辆"看见"周围环境并做出决策。英伟达还发布了Cosmos Cookbook开发指南,帮助开发者训练和使用模型。这些技术对实现L4级自动驾驶至关重要。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
波兰AI语音公司ElevenLabs由两位30岁创始人Staniszewski和Dabkowski创立,其AI语音技术能够生成极其逼真的人声。公司在四年内从零发展到估值66亿美元,两位创始人均成为亿万富翁。该公司年收入1.93亿美元,净利润1.16亿美元,服务客户包括思科、Epic Games等知名企业。尽管面临深度伪造等技术滥用风险,ElevenLabs仍在与谷歌、微软等科技巨头竞争AI语音市场主导地位。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。