Riverbed科技公司日前宣布澳大利亚皇家飞行医生服务所(RFDS:Royal Flying Doctor Service)(昆士兰分部)采用Riverbed解决方案,用于加速关键业务应用,并提供所需网络性能数据来改善和扩大昆士兰州病患救护服务。
Riverbed解决方案是皇家飞行医生服务所向云优先IT战略转型的重要基础,它结合了Riverbed SteelHead和Riverbed SteelCentral,其中还包括即将向Microsoft Office 365迁移的步骤,旨在更有效地管理有限的IT资源。随着实时网络性能可视化能力的提高,以及网络数据减少高达70%的能力,该服务所现已能够优化其原有服务。而且除了降低运营成本之外,还有助于提高400名员工的生产力和满意度,从而使组织能够将内部资源集中在改善客户和患者体验上。
皇家飞行医生服务所是一个非营利组织,是世界上规模最大,最全面的航空医疗机构之一,负责向澳大利亚的农村和偏远社区提供飞入/飞出模式服务的全科医生,护理和联合健康诊所—其中的很多社区只有很少或几乎没有网络连接。在昆士兰州,该服务所在八个运营基地运营19架飞机,其飞行员,医生,工程师和支持人员为全州95,000名患者服务。
在一个“730万平方公里的候诊室”中,成功的关键就是沟通和访问数据。构建皇家飞行医生服务所服务的支柱是IT基础设施和网络连接。服务所工作人员需要全天候安全访问关键信息,包括在Microsoft SharePoint中集中维护的患者信息,紧急程序和飞行计划。服务所的IT系统还支持每小时传输数千封邮件以及对培训现场工作人员至关重要的高带宽视频内容。为了履行向澳大利亚最偏远地区提供最好医疗服务的承诺,服务所也越来越多地采用新的移动和云技术。
由于在昆士兰州使用飞行医生服务变得更加先进和广泛,服务所正在突破现有网络能力的极限。将开始影响服务交付的能力。
皇家飞行医生服务所昆士兰分部ICT基础设施经理Dean Coulter表示:“由于网络中断变得越来越频繁,关键业务应用的性能下降,导致越来越多的工作人员开始抱怨。但是,由于所涉及的成本过高,只是简单地购买更多的网络带宽不是一个明智之举。”
与此同时,服务所的IT团队对网络性能还不是很了解,没有足够的工具来确定问题的根源,并让服务提供商对SLA负责。为解决这些挑战,服务所找到Riverbed,并在Riverbed的合作伙伴Zero1的支持下,基于Riverbed SteelHead SaaS进行了POC测试,加速用户访问及SaaS应用的交付。同时,采用SteelCentral NetExpress对服务所的各种应用、网络以及基础设施进行可视化监测。
Coulter解释道:“测量结果显示非常强大且立竿见影。我们看到了应用性能在提升的同时,带宽需求也下降了60%--70%。但与加速相比,同时取得巨大成就的就是可视化。通过SteelCentral NetExpress,我们可以看到传统设备和错误配置的应用占用了宝贵的带宽,并及时得以解决。当我们的网络扩展并进一步向云迁移时,这样的信息对我们而言至关重要。”
Riverbed SteelHead能够让昆士兰分部的员工从任何地方使用任意设备以经济有效的方式访问应用和数据,提高服务水平,从而为其它关键领域的投资腾出资源。Coulter说道:“Riverbed解决方案为我们能信心十足的走向云提供了坚实的基础。同时,带宽成本和员工投诉也已显著下降。这使得医生,护士,飞行员和支持人员能够专注于扩大和改进救护医疗服务。”
皇家飞行医生服务所昆士兰分部ICT服务及业务解决方案执行经理,Fiona Foley说道:“重要的是,我们不仅要找到解决我们网络挑战的方案,还要找到一个真正关心我们工作的技术合作伙伴,比如Riverbed和Zero1。我们现在与业务的对话方式完全不同,我们不再谈论网络中断,我们可以更好地关注我们的核心任务:为昆士兰人民提供优质的医疗服务。”
服务所已经在其昆士兰州的各个分支地点部署了SteelHead,并计划在笔记本电脑和移动设备上部署SteelHead Mobile,使医生在连接有限的远程位置工作时,能够利用3G和4G网络的优势。
Riverbed为云及数字领域提供解决方案
Riverbed提供帮助企业从传统硬件过渡到新的软件定义及云网络方式的解决方案,提升终端用户体验,使企业的数字化转型举措能够发挥其全部潜力。Riverbed的集成平台提供敏捷性,可视化及性能。企业需要在云和数字领域取得成功。利用Riverbed的平台,组织可以将任何公共,私有或混合云的应用、数据和服务从任何网络交付至任何端点。
Riverbed SteelHead是业界首屈一指的针对软件定义广域网的应用加速交付和峰值性能优化解决方案。Riverbed SteelCentral产品系列是一种性能管理和控制套件,可将用户体验,应用和网络性能管理结合于一身,在终端用户发现问题之前提供诊断和解决问题所需的可视化能力,避免呼叫服务台或跳转到其它网站。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。