11月9日-10日,2017中国物联网大会首次落地我国重要的物联网产业基地——福州。作为国内物联网领域规模最大、层次最高、影响力最大的行业盛会,本次大会吸引了上万人前来参展交流。锐捷网络携场景化物联网方案精彩亮相,全方位展示了作为中国数据通信解决方案领导品牌的实力和风采。
随着云计算、大数据、人工智能的快速发展,万物互联的时代全面开启。如今,伴随智能设备的普及应用,人们对于网络的需求越来越复杂,万物互联即将引领一场全新的技术革命。在本次大会中,锐捷网络从细分行业的场景应用出发,展示了基于NB-IoT和LoRa的广域物联网智慧城市解决方案、智慧校园、医疗智能输液、婴儿安全以及资产定位、能效监控等新方案,吸引了众多观众的目光。
以“智慧”发力医疗物联网
在物联网技术的助推下,智慧医院、互联网+医疗、移动医疗、远程医疗在医疗行业开始崭露头角,逐步进入实际应用。锐捷网络应势推出医疗物联网解决方案,面向医疗行业应用,通过室内物联网基站、IOTP物联平台,收集和处理各种物联网业务数据,实现对医院人员、资产、婴儿的精准定位和互联,支撑医院婴儿防盗、移动遥测、资产定位等职能化创新业务的发展,构建智能化的医疗健康业务平台,全面提升医疗服务质量。
在资产管理业务方面,锐捷网络推出了资产管理解决方案,通过广域物联网技术解决数据传输的问题,只需少量的基站就能实现全院覆盖。该方案主要由标签、基站、支持第三方接口的物联网管理平台和资产管理业务后台构成,实现了全院级资产管理。
物联应用点亮智慧校园
在教育行业,锐捷网络推出了教育物联网解决方案,将科技创新全方位融入到孩子们的学习、运动、健康和安全中,让老师和家长都能更省心、更放心。
该方案利用最新的物联网技术,通过锐捷网络IOTP物联网平台分析手环采集的考勤、运动、健康、位置和行为数据,为学校提供终端、接入、平台和应用的整体解决方案,有效解决学生安全、学生健康等业务无有效监控预警的问题,从而提升学校教学和管理的效率。
面对繁多且重要的学校资产,锐捷网络将广域物联网和近场物联网结合,重新定义了资产管理。该方案不仅可以通过固定式标签管理可移动的高价值资产,并且可以用电流标签统计各类高价值实验仪器设备的实际利用率。
依托广域物联网技术布局智慧城市
在更广袤辽阔的城市空间,锐捷网络推出了基于NB-IoT和LoRa的广域物联网智慧城市解决方案,重点应用于智慧城市、智能抄表、制造业和电力能源的数据采集控制等场景。具备超大覆盖半径,同时解决了复杂环境或野外环境的建网难题,大幅减少无线通讯网络建设成本。
目前,该方案已经可以在远程抄表、环境数据采集、智慧市政等诸多场景成熟商用,并得到市场和用户的高度认可。在更精准的细分场景里,锐捷网络同样推出了多套各具特色的物联网解决方案,例如针对城市中车位难寻、停车不规范引起交通拥堵问题,推出了智能道路停车解决方案。
全面发力物联网场景化创新成亮点
物联网的发展需要整个行业的共同努力。目前,锐捷网络已经在政府、交通、商贸、酒店、住宅、能源、制造业等多个领域都开展了物联网的方案研究和试点,将技术真正应用到行业并基于场景进行创新,脚踏实地推动物联网发展。
(图:锐捷网络物联网发展战略)
未来,锐捷网络还将继续加大物联网应用创新,将“人、物、网”融为一体,发挥广域物联网和近场物联网各自优势,通过RG-IOTP的统一物联网平台,实现不同物联网协议数据的统一上收,并和各类业务系统实现对接,最终形成一个弹性、可扩展、可持续发展的物联网架构。
好文章,需要你的鼓励
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
谷歌DeepMind开发的多智能体AI系统通过让多个AI代理相互协作、讨论和辩论来解决复杂问题。该系统在医疗领域表现出色,能够在两天内完成人类十年的研究成果,包括发现新的药物重新定位候选物和治疗方案。AI临床医生"Amy"不仅能生成更好的诊断方案,还表现出比人类医生更强的同理心。这项技术有望在十年内实现零边际成本的全球医疗服务普及。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。