时至今日,潍柴集团经过近七十年的不断发展壮大,已成为中国综合实力最强的汽车及装备制造集团之一。截至2014年,潍柴集团已名列中国机械工业百强企业第2位。毋庸置疑,作为国内顶尖的工业装备集团,数万员工的高效协调运作,在繁荣的背后,其信息化建设必定发挥着举足轻重的作用。
随着业务发展,智能制造一体化无线网络平台建设成为刚需,如何保障业务带宽需求和上网体验是基本问题。
无线网络发展至今,已经逐步深入各行各业。无线办公、无线数据采集、无线视频回传等等应用已经成为各大制造厂商的刚需。虽然WIFI技术的发展已历经多年,但大规模渗透各大企业的生产与生活还是近两年的事情,其原因主要是原来仅支持802.11n的无线AP带宽双向才几百兆,在高密人群的接入情况下,带宽利用率已经非常低下,尤其在需要实时回传高清视频数据时,上网体验显然是无法保障。
而潍柴集团园区众多,结构多样,重机、成套、铸锻等各部门建筑结构风格迥异,有的区域人群集中,有的区域空旷,有的区域障碍物错综复杂,对AP的接入能力、覆盖面积和穿透能力要求极高。另外,诸如电动扳手拧紧数据信息系统和铸锻厂区等部门,需要实时回传采集数据和高清视频文件,此种情况下,AP的性能面临极大的挑战。
华为公司于2013年年中在业界率先推出支持802.11ac协议的AP产品,使得AP的带宽提高至1.75G,已超越有线以太千兆接入端口速率。同时,3*3MIMO多输入多输出技术进一步提升了AP产品的信号强度、覆盖范围和穿透能力。在先进的无线设备的基础上,再加上科学完善的售前网规,交付时针对各厂区具体业务场景进行调优,保障了集团各部门员工的无线上网体验和办公生产效率。
随着信息化对集团生产和办公系统的影响不断加深,接入认证和终端安全管理已经成为一个不可忽视的问题。
潍柴集团数万人,有着大量带着不同身份属性的员工,如领导和普通员工,研发人员和测试人员,销售人员和财务人员等,都需要分门别类做到精细化的管理。另外,除了集团内部员工外,到访集团的供应商和合作伙伴等都会有网络接入需求,也需要纳入管理范围。这么庞大和复杂身份的人群接入到网络,网络的安全如何保证?对接入进来的终端又该如何管理?这个是摆着集团运维人员面前最直接的问题。
华为公司通过在敏捷园区方案上的大力投入,研发出一套园区有线无线一体化网络接入控制和终端安全管理的核心设备,也就是Contrller控制器,能通过划分用户组的方式实现对不同角色人群的精细化管理,包括接入控制、访问权限、带宽分配等。在访客管理方面,Contrller控制器可针对集团外来人员设置接入认证方式,接入时长、访问资源等进行配置,并支持访客自助注册、二维码认证和微信认证等多种新媒体接入认证方式,保证访客的高效接入和优质的上网体验,也能最大化实现对内部网络系统的保护。终端安全管理方面,Contrller控制器可识别接入到集团网络的终端设备类型,如PC、智能终端(手机/平板)、IP PHONE、网络打印机等,并支持Windows 、Linux、MAC OS、Android、IOS、Windows Phone等各类有线和无线终端操作系统,检查注册表策略、进程黑白名单、本地服务、文件共享,自动修复操作系统补丁、防病毒软件。
华为此次为潍柴动力集团打造完善的有线无线一体化解决方案,切实提高了集团员工的办公生产效率,并实现了针对各类角色群体的精细化管理,使运维效率提升50%。通过合理的网规网优,最大程度的提高集团网络资源利用率,较现有网络提升30%。相信在不久的将来,华为的有线无线一体化解决方案会在集团其他园区实现部署,为潍柴集团信息化建设发挥更大的价值和更深远的影响。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。