在教育新基建的建设进程中,全光网发展迅速,对智慧校园的高质量建设起到了强有力的支撑作用。锐捷网络针对教育信息化建设对基础承载网的要求,升级锐捷高校极简以太全光2.X方案,新的全光网方案当前已经在智慧校园建设中落地。西安理工大学信息化管理处网络与安全管理科的杨超科长分享了西安理工大学采用极简以太全光2.X方案建设校园全光网的实践和思考。

打磨升级的锐捷高校极简以太全光网2.X方案,采用光纤入室的部署方式,通过二层无源简单组网架构和SDN技术在教育信息化飞速发展中为校园网络建设提供高带宽、低延时、高灵活、简运维的独享千兆/万兆网络承载,支撑未来十年业务演进,保障应用体验和投资价值。
1.锐捷高校极简以太全光网2.X方案规模应用了彩光技术,实现真二层组网结构,以无源透明汇聚替代原楼栋有源汇聚,最大限度降低因弱电间维护而产生的时间成本和人力、财力成本。疫情期间高校的线上教学、科研、网络办公等需求大幅度增长导致的网络带宽要求越来越高,高教极简以太全光网2.X可轻松应对,更好支撑高校网络的拓展需求。
2.锐捷高校极简以太全光网2.X方案针对教学、办公、宿舍等场景都进行了升级。通过安网联动,实现安全闭环。双机热备让校园网络出口更稳定易扩容。教学场景实现万兆入教室,长远应对未来教学应用升级的性能需求。应用至宿舍场景中,方案采用集中低压供电方式,避免学生偷电保障用电安全。对于想更精细化管理宿舍无线的高校,更提供了可以实现AP独立控电的新型混缆供电。新型混缆横截面积仅为传统混缆的1/6,节省桥架空间。
3.在运维层面,锐捷高校极简以太光全光网2.X方案采用有线无线整网SDN全网管控,实现统一运维,运维效率提升50%。设备即插即用,全光链路智能感知功能,摒弃费时费力的传统人工光链路排查方式,一人一机一键定位,故障恢复时间缩短到30分钟。无线网络智能调优,轻松排障;IoT接入更加快速,一键审批安全可控。
4.方案联动身份管理软件,实现了师生生涯状态变化账号、策略自动调整,保障用网安全。账号管理清晰,人网权限精准匹配,最大程度降低安全隐患。

新升级的极简以太全光网方案已经在西安理工大学应用落地。西安理工大学作为陕西省建设国内一流大学的建设高校之一,坚持走高质量、内涵式发展道路,推动信息化工作不断发展。校园网络建设有深厚的经验积累。
2021年,学校面临着网络带宽不足、融合度低、难以拓展的信息化工作困境。西安理工大学信息中心紧跟十四五规划全光网政策指导,深入研判本校网络难点,希望用以太全光网络破局,探索多网融合的解决方案。锐捷网络携手西安理工大学信息中心,采用锐捷高校极简以太光2.X方案,对校园网络进行了拓展升级。
西安理工大学的全光网改建已经取得了良好的成效:
1.多网融合,业务隔离:以全光网为基础承载,实现校园网、安防网,一卡通网,标考等各种专网的融合建设,同时通过SDN来为各专网划分了逻辑的虚拟专网,来实现各专网之间的业务隔离。
2.极简架构,彻底无源:实现了中心机房光纤直达教室的二层结构。楼层弱电间的交换设备全部取消,全光交换机入室,解决多网融合和重复建设的问题,楼栋弱电间通过透明汇聚设备实现彻底无源。
3.弹性扩容、面向未来:光纤组网,接入交换机下沉到室内,室内信息点扩容不受限制,同时配置多速率端口,支撑千兆无线Wi-Fi 6网络,网速提升数倍。未来再升级网络,只需要升级设备和端口速率即可,不再需要重新拉线路,极大减轻楼内桥架负担。
4.统一管控,运维无忧:1根入室的光纤代替大量网线,1套无源的合路设备,就可以实现全楼的多网融合与统一管理。避免因为弱电间的停电等各种因素对教学业务的影响,维护老师不用再跑弱电间排障运维。
5.安全准入,一键审批:通过SDN技术实现终端的安全准入,运维老师一键审批,同时全网终端一目了然。终端的接入安全有保障,也可以助力学校创建“文明校园”“平安校园”。
西安理工大学的以太全光网建成后,建设效果得到了广大师生的认可,在教学区通过万兆入室,带宽提升了十倍以上,通过实地测速,单端口速率达到了900兆,同时弱电间无源后,也大大降低了运维压力。全网的Wi-Fi 6更是让智慧教室等新业务应用体验,得到了大幅改善。

锐捷网络高校全光网方案,推出一年多的时间里,已经成功落地300余所高校。如今焕新发布的极简以太全光网2.X方案,更深入帮助高校解决校园基础承载网建设中的的痛点、难点问题。未来,锐捷高校极简以太全光网2.X方案将持续为高校提速教育新基建赋能,为数字化智慧校园建设喷涌新活力。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。