“工业4.0”的概念异常火爆,随着互联网+思维的出现,产城融合的“产业园区4.0”阶段也已经到来。早已脱离盖厂房、修马路、种绿树的最基础园区建设,也跨越了为园区引进商店、餐饮等配套服务的阶段,新的智慧园区更加注重园区的硬件智慧化。它提供弹性云服务、云办公、企业金融服务、市场推广等增值服务,全方位高智能地协助企业成长,甚至帮助一个创业型企业从“孵化”到融资上市的全过程。
共谋“智慧园区”江山
深圳的天安云谷就是这样一个提供了高水准服务的智慧园区,并专门成立了深圳智慧园区信息技术有限公司。该公司从早期就介入,负责天安云谷智慧园区平台的整体规划和顶层设计,依据用户需求进行规划、整合并创新自主研发天安云谷智慧园区平台框架和多项上层应用服务产品。
同时天安云谷联合行业内众多领先的合作伙伴如华为、IBM、顺丰、百度、民生银行、国家信息中心等将创新理念落地实践,如能效管理系统、智慧一卡通系统、无卡智能停车场、全覆盖WiFi等多项智慧的基础设施和服务。园区更强调其系统化思维的链接以及融合,通过生活、信息、交通的链接,将工作和生活融合在一起。
而在智慧园区和“用户价值”之间,有一个用户看不见、却无比重要的支撑地带,就是“敏捷网络”。华为凭借丰富的产品线和成熟的实践经验,与天安云谷强强联合,共谋“智慧园区”江山。
天安云谷智慧园区“成王之路”挑战
在天安云谷内部企业的网络规模不断扩大之际,园区的视频监控、企业桌面云服务、园区wifi覆盖等等功能,都必须依靠非常高效、安全、稳定的网络支撑。而谈到网络质量,很多人都有一个误解——有了带宽,业务体验自然就有了保证。但除了大家熟知的业务体验带宽和断网等故障外,还有很多容易被忽略的原因:如光纤劣化、硬件老化等,导致网络亚健康,从而影响着天安云谷园区用户的业务体验(如视频马赛克等现象)。
当问题发生时,园区传统网络用户体验受损,只要用户不去投诉,网络和网络管理员就不知道这个问题。即使有人投诉,问题也非常难以被发现。因此这些问题就会长期隐藏在网络中。
“江左梅郎”华为出奇谋
万物互联 高效管理 简易运维
华为iPCA网络监控
影响网络质量的因素主要有以下方面:带宽、丢包、时延和抖动、网络设备故障等。虽然传统测量技术有直接测量和间接测量,但都不是真实业务的丢包、时延,存在检测报文与业务不同路径等问题,有不能确定反映业务性能状况的局限性。
为了更好地服务于敏捷智慧园区,华为启用了自研的包守恒算法iPCA,通过对真实业务流染色和对网络进行分区域的包守恒监控方法,实现了网络自动感知业务质量和快速故障定界,同时解决了传统测量技术的限制。针对监控对象不同,质量感知iPCA可以实现对单个敏捷设备的设备级监控、设备间物理链路的监控和指定业务流的端到端链路的网络级监控。
智慧园区,敏捷网络
在此基础上,华为针对天安云谷的网络建设目标,提供了成熟且全面的端到端智慧解决方案,从接入终端到基础设施乃至平台能力、服务、园区运营管理都做了规划并分期实施,具体如下图所示:
华为方案为天安云谷打造出高效、敏捷、精简的网络基础设施
针对天安云谷接入设备分布广,设备数量多,并且接入业务简单、配置归一化程度高等特点,使用敏捷网络的SVF特性对系统进行管理,使得网络管理和维护更加高效。为后继平滑升级奠定基础,从而将园区打造成为更贴近客户,能更快速地响应市场变化的新型智慧园区。
智慧园区 山河如画,再赴前程
在天安云谷规划之初,智慧园区公司就建构了一支拥有近百人的研发团队并成立了敏捷开发中心,目前该公司已经是国家级高新技术企业和双软认证企业,拥有核心知识产权二十几项。智慧园区公司将与众多行业领先的合作伙伴共同将天安云谷智慧园区的创新理念落地实践。
华为作为智慧园区公司的合作伙伴,参与打造了天安云谷智慧的基础网络、智慧的云桌面等解决方案落地,推动了天安云谷智慧园区的发展,提升了园区运作的效率,最终智慧园区获得了市场的认可。在这个新的起点上,华为和天安云谷将继续深化合作、相互协作、互相学习,将在智慧园区与其他合作领域持续地提供更高价值的服务和产品。
重要说明:
“智慧园区”为深圳智慧园区信息技术有限公司的注册商标,本文章引用“智慧园区”之处为经商标所有人深圳智慧园区信息技术有限公司授权使用。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。