厦门--中国东南沿海最重要的中心城市,也是现代化国际港口风景旅游城市,这里全年气候宜人,风景秀丽,环境整洁,拥有“联合国人居奖”、“国际花园城市”、“国家卫生城市”、“中国优秀旅游城市”等特殊荣誉。厦门市常驻人口将近400万人,受地理位置所限,岛内人口密度达到每平方公里14000多人,已经超过香港、新加坡,为了给全市人民带来一个安全、便捷、绿色的公共交通环境,解决岛内居民的便利出行问题,厦门市政府于2014年4月全面开工建设厦门轨道交通1号线。
厦门地铁1号线一期线路长度30.23公里,设站24座,连接了思明区、湖里区、集美区等重要组团,作为厦门市第一条城市轨道交通线路,厦门地铁1号线担负了建设成为国内一流地铁线路,并为后续厦门轨道交通建设积累宝贵经验的重任,这就要求建设者根据线路实际情况,选择合适的技术方案,保障厦门地铁1号线快速优质建成并顺利运营。华为公司作为全球领先的信息与通信解决方案供应商,充分理解厦门轨道交通各专用通信子系统的业务诉求,基于其成熟的轨道交通产品和解决方案,为厦门地铁1号线打造了一张可靠、安全、简易运维的通信数据承载网。
地铁无间断运行,网络可靠是基础
作为轨道交通PIS、CCTV等业务系统的数据承载网,除了要求高吞吐量,同时还需要网络具备高可靠性。为了预防地铁通信网络单点故障而导致业务中断问题,在厦门地铁一号线采用了华为高端敏捷交换机S12700,其主控、交换、电源、风扇等关键部件均实现冗余,为厦门地铁网络提供99.999%的高可靠性。S12700提供第二代交换网集群技术(CSS2),其主控1+N冗余备份技术,可保证只有一块主控工作的情况下,整个集群系统仍然正常工作,大大提高了核心集群的可靠性。此外,CSS2集群的集群带宽可达1.92Tbps,可以很好的满足CCTV系统大数据转发的要求。
敏捷特性显神通,轻松运维轨交网络
厦门地铁1号线共24座车站,各通信系统设备部署范围广,分散在多个站台、控制中心以及车辆段,一旦出现网络故障难以定位发现问题,同时,网络运维人员少、维护工作量大,针对这些问题,华为通过创新的专利技术iPCA网络包守恒算法、以及SVF超级虚拟化方案,帮助客户彻底解决运维难题。
华为创新专利技术iPCA首次让无连接的IP网络具备网络质量感知功能,可对任意业务流随时随地逐点检测网络质量,无需额外开销,实现了从“粗放式运维”到“精准化运维”的大转变,借助华为eSight网络运维系统,可以为地铁运维人员实时、直观的展示网络中每条链路的质量状况,做到网络质量一目了然,轻松定位网络故障。
通过采用华为SVF超级虚拟化方案,将接入交换机虚拟化为核心交换机的板卡,使得“核心+汇聚+接入交换机”的网络架构,可以整体虚拟化为一台逻辑设备,在网管上只需要管理一台逻辑设备,从而大大减轻网络运维工作量。
流畅的高清视频,高带宽大缓存来保障
地铁CCTV系统,连接着所有车站的高清监控摄像头,为整个地铁系统安全高效运行提供实时视频监控。视频流量的传输占用大量网络带宽资源,尤其在业务高峰时瞬间视频流量激增,对网络的带宽、缓存、时延提出极高的要求。华为敏捷交换机S12700具备高带宽、大容量缓存能力,单端口可支持200ms的数据缓存,且端口转发时延达微秒级,可轻松应对突发视频流量冲击,保证视频流量不丢包,保障CCTV系统的视频业务清晰流畅。
厦门地铁一号线将在7月份正式开通运营,华为敏捷网络必将为厦门轨道交通插上腾飞的翅膀,为厦门市民带来一个畅通无阻的公共交通环境,同时,对于轨道交通的网络管理人员来说,可以从繁琐的网络运维中解放出来,聚焦到如何给乘客提供更优质服务的价值工作中去,助力厦门轨道交通系统向以服务乘客为中心的运营模式发展。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。