新凤祥集团是中国迅速崛起的、最大的民营企业之一,位于打虎英雄武松的故乡——山东省阳谷,总资产达300多亿元,员工13000人,建有居国际一流水准的凤祥肉鸡生产加工出口基地和国家级祥光生态工业示范园区,拥有世界上单系统产能最大、技术最先进的生态铜冶炼厂,在中国乃至全球有色金属行业、现代农副产品加工行业,都有着非凡的核心竞争力和较强的市场影响力。随着信息化技术的不断发展,新凤祥集团越来越重视信息化建设,尤其是园区网络建设。
随着集团规模的不断发展和壮大,网络是否能承载现有业务和适应未来发展?
新凤祥集团旗下子公司众多,各子公司人员结构负责,部门之间通讯频繁,业务流量庞大,对网络的接入能力,链路带宽,核心交换机的横向转发能力等均提出了严峻的考验。随着集团的业务的不断发展,生产办公对网络的承载能力还会日益提高。
华为公司根据新凤祥集团的业务需求,选择敏捷园区最高端核心交换机S12712,核心交换机之间通过CSS2技术实现高带宽集群,集群带宽高达320G。另外,CSS2通过交换网板实现集群,保障了核心横向流量的转发效率。同时,两台核心交换机之间只需要一块主控存活即可保证集群系统的稳定运行,从而进一步提升了整个集群系统的稳定性。在超强核心的基础上,配置高端路由交换机S9700作为汇聚交换,汇聚到核心之间实现40GE链路互通。接入则采用主流千兆接入交换机S5700LI。通过高性能的设备和高带宽的链路,业务流量进入网络后将会一马平川、畅通无阻,而且足以能适应未来5~10年的发展需求。
集团网络包含大量有线设备和无线WLAN设备,如何真正意义上实现有线无线深度融合?
为提升员工的办公效率和上网体验,新凤祥集团在公司内部众多区域部署了WLAN无线覆盖,有线设备和无线设备都需要管理,如果分开管理,将占用运维人员大量的时间和精力。若能实现有线无线的深度融合,进行统一管理,运维人员即可得到最大解放。
华为公司通过自研ENP芯片,让园区网插上敏捷的翅膀,实现了有线无线真正意义上的融合:无需独立AC管理控制器,直接在核心交换机的业务板卡上配置管理授权即可,节约槽位的同时,还能节约成本,在设备层面实现融合。有线流量和无线流量通过统一芯片转发,在业务层面实现融合;无线AP虚拟化为汇聚交换机的端口,管理AP即相当于管理汇聚交换机的端口,命令行和管理界面实现统一,在管理层面实现融合。
集团人员结构复杂,如何实现精细化的管理和终端安全管理?
新凤祥集团一万多人,各部门员工所在部门和身份属性各不相同,如何保证每个角色成员的接入方式、访问权限和上网体验是信息化部门必须面对的重大问题。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。
华为公司通过敏捷园区的核心Controller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,Controller控制器还能识别终端类型和检测终端软件版本,对接入到网络的终端设备做到全方位的管控。
结语:
华为此次为新凤祥集团打造全新的敏捷园区网络,通过业界独创的高性能敏捷方案和设备,提升了整个园区网的承载性能和链路带宽,较现有网络带宽提高3倍。实现了针对各类角色群体的精细化管理,提升了员工上网体验,最大程度的提高集团网络资源利用率,较现有网络提升30%。新凤祥集团通过此次网络投资建设,在聊城乃至整个山东企业信息化领域树立了行业标杆。随着时间的推移,相信信息化建设会对集团的生产和发展产生更为深远的影响。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。