近日,根据国际数据公司(IDC)最新发布的《中国WLAN市场跟踪报告,2020Q1》显示,紫光旗下新华三集团以39.4%的市场份额夺得2020年第一季度中国企业级WLAN市场份额第一。继雄踞WLAN市场榜首十一载之后,新华三作为企业级WLAN领军企业,2020年之初继续领跑。
当前4K/8K超清视频、VR/AR体验、物联网等高带宽、低时延、广连接的应用增长迅猛,最新一代无线技术Wi-Fi 6迎来广阔的应用空间。相比Wi-Fi 5, Wi-Fi 6拥有更高速率和更大容量,在160MHz信道上8条流的最高速率可达10Gbps,并发用户数暴增4倍,网络时延则从平均30ms降低至10ms,能够为各类新兴应用提供高速稳定的无线网络连接。
进入2020年,三大运营商相继推出“三千兆”宽带战略,Wi-Fi 6成为其中核心一环,加速无线市场爆发。另据IDC预测,2020年Wi-Fi 6将在无线市场中大放异彩,仅在中国市场的规模就有望达到2亿美元,市场潜力巨大。对此,新华三集团深化布局多年,面向全行业全场景共推出18款Wi-Fi 6产品形成矩阵,不仅提供覆盖高密、放装、面板和室外等通用场景的产品,更有特殊场景下的行业款型,有效满足各行业无线智能联接的升级需求。
新华三集团Wi-Fi 6凭借丰富的场景化产品、“黑科技”Wi-Fi 6 eXtreme增强技术、极致工业设计和智简运维四大优势,能够为用户提供全场景、高速率、智简运维、物联融合、全面IP双栈的Wi-Fi 6产品及解决方案,让用户畅享极致联接体验。
基于对行业的深刻洞察及持续的技术创新,新华三集团可以为不同行业的业务场景提供专属的Wi-Fi 6产品和解决方案。例如,需要差异化精准用户服务的体育场馆场景,高密大带宽业务的图书馆场景,大规模实时视频会议的办公场景,根据用户位置变化调整信号覆盖的办事大厅场景,对美观要求高的酒店场景,以及超远距离覆盖的管廊等特殊场景。不仅如此,新华三Wi-Fi 6还可与物联网进行创新融合,应用于广泛的物联网业务场景,如智慧医疗、智慧教室、智慧工厂等物联网场景,为百行百业的业务升级提供支撑。
智能网络连接是企业数字化转型的基础,为了强化无线网络生产力,新华三集团基于“智能联接”的网络战略,聚焦于“一张网络,一个平台”融合架构,通过统一的平台架构,南向全面纳管Wi-Fi 6、5G、物联网等基础连接;北向提供业务使能的应用,通过无线连接赋能用户业务创新。
其中“一张网络”,是以WLAN网络为基础,同时支持RFID、UWB、LoRa等网络接入,承载多业务运行,通过无线智简运维实现网络统一管理运维,降低网络部署及运维成本,提升建设管理效率。“一个平台”,通过统一平台融合多种泛联接终端数据,统一标准化数据,消除业务孤岛,同时提供标准API联合生态合作伙伴集成丰富的业务应用。
新华三集团深耕WLAN领域17载,从2009年到2019年,已连续十一年蝉联中国企业级WLAN市场第一,拥有深厚的WLAN技术与服务积累。2020年伊始,新华三持续以“智能联接”助力各行各业加速复工复产、提升社会抗风险能力,为行业数字化转型构筑稳固基石。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。