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
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。