继2017年8月首发Wi-Fi 6 AP后,新华三再次领跑全球市场,引领WLAN正式进入Wi-Fi 7时代。由智原生技术加持的新华三Wi-Fi 7 AP将完美应对场景化新兴应用对速率、时延以及高密的严苛需求,扩展业务边界,为构建未来创新应用打开更多想象空间。
新华三集团无线产品线总经理赵玉金全球首发企业级智原生Wi-Fi 7 AP
创新技术加持,Wi-Fi 7突破无线性能边界
目前的Wi-Fi 6虽然已在速率上做了极大提升,但其时延仍然难以满足VR/AR、在线游戏等新兴应用对时延的要求。Wi-Fi 7(802.11be)则完全颠覆了Wi-Fi 6(802.11ax)的网络体验。高速率、低时延、多AP协同等新技术的引入,让Wi-Fi 7具备了满足企业数字化转型及新兴应用的先天条件。
高速率
Wi-Fi 7支持2.4GHz、5GHz、6GHz三个频段,频宽最高提升至320MHz,引入了4096QAM调制方式,并支持16*16 MU-MIMO,最大协商速率达到46.08Gbps。
低时延
对时延敏感业务,Wi-Fi 7将时延控制在5ms内,相比Wi-Fi 6 10-20ms的时延降低100%。
多AP协同
实现多AP间的协调和联合传输,避免BSS之间干扰和碰撞,极大地提升了空口资源利用率。
Wi-Fi 7 + 智原生 智快体验更进一步
首屈一指的Wi-Fi 7技术与新华三集团“智原生”架构珠联璧合,此次全球首发的两款企业级Wi-Fi 7 AP将为客户业务带来全新的智快体验。
自带“智原生”基因
通过云网边协同和新华三创新的iRadio、iStation、iEdge和iHeal技术,新华三Wi-Fi 7 AP可以实现智能射频管理、智能终端接入、智能业务保障和智能网络治愈。使得无线接入用户体验获得质的提升,让业务及服务得到更快速、及时的保证,网络管理者实现无忧运维。
让极致体验美梦成真
新华三Wi-Fi 7 AP支持三频12流和三频10流,传输速率最高可达18.44Gbps。其中单终端极限速率达到11.53Gbps,较Wi-Fi 6提升2.4倍。在80Mb/s码流下,72GB大小的8K视频,下载时间不到1分钟,颠覆用户的想象。
让高密难题迎刃而解
凭借新华三近20年的无线技术沉淀并结合最新的Wi-Fi 7协议,全新的智原生Wi-Fi 7 AP可以实现400+高并发,单AP并发数提高2倍,解决一直困扰客户的高密部署难题。结合新华三精心打造的阵列天线及内置的“智原生”能力,新华三智原生Wi-Fi 7 AP能够精准分析终端状态和行为,并引导终端接入。同时,基于终端和报文智能选择阵列天线并调整信号功率,以最低的信号覆盖确保终端的无线网络体验、降低空口冲突和干扰,大幅提升AP在高密场景下的并发能力及性能。
让时延敏感业务稳如泰山
MLO、MRU、多AP协同技术的加持,极大提高了信道资源利用率,使得时延低于5ms。即使面对需要高带宽、低时延的8K视频、VR/AR、在线游戏等新兴应用,新华三Wi-Fi 7 AP也能为用户提供稳如泰山的无线体验。
在上面的资料中,首先引起我们注意的,就是这个“高速率”Wi-Fi 7最大协商速率达到46.08Gbps这已经和一个24口千兆交换机的背板带宽相差无几了。再结合6GHz频段使用后,可以具备多达20个以上的信道,这些指标,怎么看都越来越像一个标准的接入层网络设备。
从AP这种无线接入产品出现至今,在网络中始终处于一种“端点接入”的位置。然而目前为止,通过无线接入网络的设备占比已经达到70%以上,有线端口接入的地位正在逐步下降。这样,是否可以让AP也做一下“升级”,成为一个新的接入层设备,直接与汇聚层甚至核心层相连接?如此一来,在新的Wi-Fi 7设备上,是不是被赋予一些全新的网络功能?
更近一步来讲,在未来的SDN网络架构中,无线控制与SDN控制器功能、VXLAN功相结合后,又会产生什么全新的技术转变?如今无线已经进入并在改变我们的生活,未来无线技术演进之后,又会出现什么样的改变?对此我们将无限期待!
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。