郑州新郑国际机场,1997年8月建成通航,是中部地区第一个拥有双航站楼双跑道的机场, 是中国八大区域性枢纽机场之一,同时也是仅次于上海浦东、广州白云、深圳宝安机场的国内第四大货运机场。
随着航空运输业务突飞猛进的发展,郑州新郑国际机场原有的航站楼已不能满足需求,于是新建大型空港建筑T2航站楼,设计满足2020年旅客吞吐量3000万人次,高峰小时旅客吞吐量11062人次。
现代化大型机场的日常运作,离不开优质的网络系统,同时必须为旅客提供基于场景的、优质的WIFI覆盖方案。郑州新郑国际机场T2航站楼网络系统是一个大型、综合的业务网络系统,其对网络可靠性、安全性、维护性等方面均提出了极高的要求,华为严格按照机场网络建设标准和要求,结合华为敏捷网络的特色,为郑州新郑国际机场打造了一个技术领先、安全可靠、弹性扩展和优质体验的敏捷网络,为机场的各个业务系统正常开展保驾护航。
安全可靠网络,保障机场核心业务24小时永续
新郑国际机场T2航站楼新建多个网络系统,承载网络是整个机场信息系统的通信基础,承载着机场管理、调度、航班信息、旅客信息等重要业务,因此对网络高可靠性要求非常严格。为此,在多个网络系统的骨干层,新郑国际机场部署了华为敏捷核心交换机S12700,采用业界领先交换网硬件集群技术CSS2,实现集群系统1+N备份,有效保证新郑国际机场核心网络99.999%电信级高可靠,保障业务24小时不间断。
新郑国际机场多个网络系统间涉及业务的互访互通,若其中一张网络系统遭受攻击(如DDOS攻击、入侵攻击、病毒等)很容易扩散到其它网络系统中,对机场全网影响巨大。为了有效保证各网络系统间互访安全和应用安全,华为在各个网络系统出口部署下一代防火墙,保障各网络系统的资源安全,同时又通过严格的策略访问控制让系统间的业务互访得到很好的管控,保障4-7层的网络数据安全。
高质量WI-FI覆盖,给旅客优质无线接入体验
新建T2航站楼需要给旅客提供全覆盖的高速无线上网服务。华为针对航站楼内的候机区、VIP厅、出发大厅商业区、行李提取区等不同区域特点,依据几十年专业的无线网络建设经验,根据新郑国际机场实际物理环境和建筑结构,给出最佳的AP安装位置和安装方式,同时综合考虑环境干扰和信号衰减等因素,确保指定区域无线覆盖无盲区低干扰,且提供满格的信号强度。优质的WIFI覆盖方案,保障单一旅客无线网络体验,不管在T2航站楼哪个区域,随时能够通过PAD或手机等终端,Portal认证方式便捷接入无线网络;随着用户在T2航站楼内不同区域的移动,华为提供强大的无线漫游能力,做到用户无感知,同时高性能无线网络保障大规模用户接入需求。
统一运维让机场全网络管理变得轻松高效
新郑国际机场网络涉及多套网络系统,设备网元数量和类型较多,同时还涉及无线网络,这些都大幅增加了运维工作量和复杂度。新郑国际机场通过部署华为eSight统一网管,实现对机场全网全方位可视化的运维管理。通过可视化的拓扑管理,让全网结构一目了解;端到端的可视化诊断快速解决业务/设备故障,提高故障处理效率,降低故障带来的业务损失;合理分配网络资源、动态配置网络负载、有效增强网络利用率;7*24小时实时监测网络性能、网络告警,及时通知运维人员。eSight在手,整个机场网络轻松运维,管理方便,极大的提升运维效率和降低成本。
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。