根据IDC全球WLAN季度追踪报告显示,2020年第三季度全球消费者和企业WLAN市场同比增长12.0%,其中企业细分市场同比增长7.4%,收入为17亿美元。
在企业WLAN市场中,全球各个地区的结果好坏参半,市场表现仍然受COVID-19大流行的影响,在今年第二季度同比下滑9.5%之后,第三季度市场出现反弹。
企业WLAN市场中,Wi-Fi 6标准(也称为802.11ax)是一个重要驱动力。整个企业市场中,支持Wi-Fi 6的从属接入点(AP)的收入占比为39.9%,高于2020年第二季度的28.9%,这表明企业市场还在继续大量采用这项最新的WLAN标准。支持Wi-Fi 6的设备出货量占比为26.7%,高于上一季度的16.8%。Wi-Fi 5标准(也就是802.11ac)仍然占从属接入点出货量和收入的很大一部分,份额分别为67.0%和58.6%。企业WLAN市场的整体出货量与去年同期相比增长了10.1%。
同时,该季度消费级WLAN市场同比增长15.3%,其中802.11ac产品的出货量占比为64.7%,收入占比74.8%。802.11ax的出货量占比为4.7%,收入占比为12.3%,这表明与企业市场相比,消费级市场中Wi-Fi 6的采用速度较为缓慢。支持上一代802.11n标准的WLAN设备仍在出货量占比30.5%,收入中占比12.8%。
IDC网络基础设施高级研究分析师Brandon Butler表示:“2020年第三季度企业开始对关键WLAN技术进行再投资。随着全球新冠病毒大流行继续影响全球经济,企业开始从业务连续性阶段转向针对支持业务需求的技术进行有针对性的投资方式。无线连接仍将是企业的一项关键技术,企业希望在网络上支持各种带宽密集型应用,例如视频流量等。2020年第三季度的结果,对于2020年及以后的企业WLAN市场来说,是一个积极的信号。”
从地域角度来看,北美市场增长强劲,其中美国增长13.7%,加拿大增长13.5%。亚太地区是好坏参半:中国增长8.5%,而日本增长98.8%。亚太地区的其他区域市场(不包括日本和中国)整体同比下滑,印度下滑25.7%,韩国下滑14.4%。
欧洲和中东的情况也各不相同。中东和非洲地区同比增长9.3%,其中土耳其增长17.4%。中欧和东欧增长3.9%,其中俄罗斯增长12.1%,乌克兰增长34.5%。在西欧,企业市场整体下滑8.2%,英国下滑19.5%,法国下滑8.7%。拉丁美洲地区同比下滑13.1%,其中墨西哥下滑9.9%,哥伦比亚下滑13.6%。
IDC全球企业网络追踪报告研究总监Petr Jirovsky指出:“COVID-19大流行继续给全球各地带来经济压力,在这个情况下各地的企业WLAN市场增长情况也各不相同。而在消费市场,消费者希望升级他们的Wi-Fi设备以支持在家办公和在家学习的需求,因此2020年消费级WLAN市场继续保持稳定增长。”
企业WLAN厂商亮点
2020年第三季度思科的企业WLAN收入同比增长4.9%至7.5亿美元,仍然是市场份额的领导者,市场份额为43.1%,低于第二季度的44.3%。
HPE-Aruba该季度的收入同比减少4.5%至2.18亿美元,市场份额为12.5%。
Ubiquiti企业WLAN收入同比增长30.1%,市场份额为8.6%,高于上个季度的7.1%。
华为的收入同比增长了27.4%,市场份额从第二季度的6.1%增长到6.4%。
CommScope(前ARRIS/Ruckus)的收入同比减少0.4%,市场份额为4.8%。
好文章,需要你的鼓励
这项研究介绍了Ankh3,一种创新的蛋白质语言模型,通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务:多掩码概率的掩码语言建模和蛋白质序列补全,使模型仅从蛋白质序列就能学到更丰富的表示。实验表明,Ankh3在二级结构预测、荧光预测等下游任务中表现优异,尤其在模型未曾训练过的任务上展现出强大泛化能力,为蛋白质设计和分析开辟了新路径。
法国波尔多大学研究团队开发了一个突破性框架,用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告,并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法,这一系统能生成透明、有因果关系的解释,同时保持高诊断准确率。研究显示,通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为,包括假设检验和非线性思考,提供与临床决策流程一致的排序诊断结果。
这项研究提出了CLUE框架,首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同,CLUE能识别文本片段间的冲突与一致关系,并解释它们如何影响模型的预测不确定性。实验表明,CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性,用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改,适用于任何白盒语言模型,为事实核查提供了实用支持。
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。