客户背景
北京市大兴区经济和信息化委员会,简称经信委,为工业和信息化部在北京市大兴政府的对应职能机构。
“十二五”时期,大兴区经信委构建了统筹集约的信息基础设施,初步形成“智慧新区”发展框架;政务管理方面,建成了政务办公云平台、行政电子监察平台等,有效推动了政务办公高效化、行政履职廉洁化。
“十三五“时期,大兴区经信委将全面推动智慧新区升级,推动产业转型升级;公共基础设施建设方面,将实现大兴区所有行政服务中心的无线网络全覆盖,提供更健全的便民惠民服务。
业务挑战
本次无线主要需覆盖部分行政服务中心和办公区,无线点位分散;传统方案需部署多台无线控制器,一是增加成本,二是增加管理节点;办公区房间密度大,墙体结构复杂,实测每个房间的信号强度难度较大,且传统方案在走廊部署多台无线接入点,也会影响房间内的无线体验,难以满足北京市大兴区经济和信息化委员会的需求。
根据北京市大兴区经济和信息化委员会的需求,华为提供了融合、敏捷的无线覆盖方案,简化管理,提高无线质量。
1、有线、无线深度融合
本次方案选用的具有华为自研芯片全可编程架构的核心设备,可提供丰富的敏捷特性,具备无线AC功能实现有线无线深度融合;在敏捷交换机上融合AC功能后,北京市大兴区经济和信息化委员会不需要单独购买AC设备或者插卡,既节省了投资又减少了故障点,有线和无线也可以统一在敏捷交换机进行管理、认证和策略控制,实现了真正的有线无线深度融合。
2、敏分无线,提升用户体验
敏分无线方案能够实现在大兴区经信委每个办公室部署一个远端单元的无线接入点,由网线互联的中心无线接入点统一管理,每台中心AP可同时连接24或48个无线接入点,无线覆盖整个楼层的房间;敏分无线方案实际信号效果好,有效避免穿墙等因素的影响,同时每间房独立享用单个AP千兆带宽,让北京市大兴区经济和信息化委员会的体验达到有线接入一般的高速效果。
敏分方案特性
· 简易管理
远端接入单元不占用AC License,只需管理少量中心AP,近万个房间只需要200个AP的管理开销。
· 灵活部署,覆盖无死角
中心AP和远端接入单元之间,通过网线入室部署,无穿墙衰减与馈线损耗,信号覆盖更优。远端接入单元支持面板、挂墙和吸顶等安装方式。
· 超远距离覆盖
相比传统的分布式AP馈线只能拉远15米,中心AP和远端接入单元之间网线连接距离可达100米,数倍放大网络部署的范围,并且中心AP支持部署在走廊,可提供超过100米的超远距离覆盖。
· 支持断链业务保持
如果中心AP和AC的通信中断,中心AP和远端接入单元也可以继续保持工作状态,使无线接入用户避免受到业务中断的困扰,为北京市大兴区经济和信息化委员会提供了可靠的保障。
· 分层处理技术,无线转发能力更优
革新的分层处理技术,中心AP集中管理远端接入单元,并行转发业务流量,远端接入单元仅处理无线信号,分层的设计使组网结构更加清晰,中心AP和远端接入单元独立处理的模块减少,效率提升,优化了整体的无线转发性能。
3、网规工具,真实模拟业务场景
WLAN规划工具是华为自主研发的无线规划软件,固化了华为在无线射频领域的多年经验,依托强大的规划引擎,在明确大兴政务基本信息和北京市大兴区经济和信息化委员会需求后,通过WLAN规划工具模拟北京市大兴区经济和信息化委员会网络,自动布放AP设备,模拟信号覆盖情况,输出规划报告,提升了北京市大兴区经济和信息化委员会的投资信心,保障了最终的建网质量。
客户收益
从微观角度看,大兴政务的智慧无线方案简化了运维管理、提升了无线体验、节约投入成本50%以上;从宏观角度看,为大兴政务提供了国际先进的信息基础设施,按照国际一流标准,实现大兴政务的信息基础设施服务能力全面升级,提升信息化发展支撑能力,使得大兴区信息化发展水平达到全国前列。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。