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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。