五款全新Wi-Fi 6认证接入点将Wi-Fi 6推向主流
中国上海,2020年6月9日——康普公司近日宣布扩展旗下支持Wi-Fi 6技术的接入点(AP)产品组合,以助力在密集连接的环境中,实现更高的数据速率、更大的网络容量、更高的电源效率以及更佳的性能。
继去年推出全球首款Wi-Fi 6认证的RUCKUS R750接入点之后,康普此次新增了R850,R650和R550室内AP以及T750和T750SE室外AP。这些接入点均通过Wi-Fi 6认证,并针对高密度连接场景(如校园、酒店、机场和体育场等场所)进行了优化。
如今,无线网络不仅包括Wi-Fi,还包括多种不同的IoT无线技术,涵盖如资产追踪、智能门锁等多种应用。这也导致了无线网络难以管理、成本昂贵且彼此孤立存在。康普推出的全新AP产品组合率先采用了端到端的融合架构,解决了网络重叠覆盖的问题,且通过SmartZone网络控制器、ZoneDirector、RUCKUS Cloud和RUCKUS Unleashed等多种管理方式,能够节省成本并方便管理。此外,这些新的AP还能通过RUCKUS Analytics,借助机器学习和人工智能技术,全面实现网络智能。
韩国东国大学庆州校区信息规划系主任Eunhyun Kim表示:“随着以视频为主的学习方式得以普及,无论是通过远程、身在外场、还是教室或宿舍,我们韩国庆州四个校区的11000多名学生都希望拥有更佳的Wi-Fi连接体验。作为韩国国内最负盛名的私立大学之一,我们借助康普的RUCKUS产品组合,始终能够从容地应对学生群体不断提升的网络需求。”
Huntington ISD技术总监Jeff Baird表示:“师生和管理人员希望我们能够积极响应其需求,我们对供应商的期望也如此。由于旧版网络无法提供支持,我们已不再使用Chromebook进行在线测试。主管部门希望一切都能稳定有序地运转。他们身处一线,此前一直会收到老师和家长的投诉,而自从我们改采用RUCKUS产品之后,就没再收到投诉了。”
RUCKUS AP中采用的BeamFlex技术以及超高密度技术套件,让韩国东国大学庆州校区和Huntington ISD等客户能够满足其用户的需求。BeamFlex是一项专利技术,可实时自动地调整天线模式,将干扰阻碍降至最低,同时为每台设备提供最佳性能。RUCKUS超高密度技术套件是指一系列功能和技术的集合,致力于在超高密度连接环境中改善网络性能和最终用户体验。这些独特的技术以及我们与合作伙伴和供应商的良好合作关系,使RUCKUS产品组合能够从众多解决方案中脱颖而出。
Qualcomm Technologies, Inc.副总裁兼无线基础设施与网络业务总经理 Nick Kucharewski表示:“Qualcomm Technologies推出的Wi-Fi 6网络平台,旨在通过先进的Wi-Fi 6技术,应对拥堵的、最具挑战性的网络环境需求。我们认可康普积极拥抱Wi-Fi 6核心功能及其不断创新的步伐,基于Qualcomm Networking Pro系列平台,RUCKUS Wi-Fi产品组合能够提供高性能的网络接入体验。”
屡获殊荣的康普RUCKUS接入点产品组合现包括:
R650和T750已于2020年第一季度开始出货,R550和R850将于2020年第二季度开始出货,T750SE将于2020年第三季度开始出货。
康普RUCKUS系列产品管理高级副总裁Bart Giordano表示:“作为业界领先的企业级解决方案,康普RUCKUS采用独特专利技术的全新Wi-Fi 6接入点能够满足不断增长的连接需求。我们持续投资于企业级Wi-Fi领域,加之最近推出的RUCKUS Analytics,我们已经得到了客户的积极反响。”
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。