日前,国际数据公司IDC发布《中国WLAN市场跟踪报告(2022Q1)》。报告显示,紫光股份旗下新华三集团以32.0%的占有率稳居中国企业级WLAN市场份额第一,同时以31.4%的市场份额雄踞Wi-Fi 6市场榜首。继2009年以来,新华三已连续13年领跑中国企业级WLAN市场,充分展示了新华三在无线领域的深厚技术沉淀及创新实力。
13年领跑背后
如此坚定的市场认可来自哪里?
一直以来,新华三集团持续引领Wi-Fi技术标准的迭代与应用,成为WLAN行业当之无愧的领先者,并始终致力于通过WLAN全栈能力打造一张智能自进化的品质无线网络,为客户提供智快网络体验。不懈创新,是新华三一路领跑的制胜密码。
● 2006年,首次推出AC+FIT AP 架构。新华三发布第一款无线控制器WX5002,创新性地推出AC + FIT AP架构,并于2007年引入运营商市场,助力中国移动、中国电信、中国联通建设城市Wi-Fi热点覆盖网络,成为运营商主要的Wi-Fi设备供应商。
● 2009年,全球首发三频高密Wi-Fi 4 AP。Wi-Fi 4 600Mbps的传输速率,有效支撑了互联网多媒体业务需求。在三大运营商带动下,Wi-Fi 4网络迅速开始普及。从这一年开始,新华三首次实现国内企业级WLAN市场占有率第一。如今,新华三已经连续保持这项纪录13年,从未被超越。
● 2012年,首次应用智能天线技术。新华三推出第一批采用智能天线技术的AP:WA3600i和WA2600i系列,推动该技术在Wi-Fi领域的全面商用。
● 2017年,全球首发Wi-Fi 6 AP。从Wi-Fi 4普及无线,到Wi-Fi 5赋予更多业务可能性,Wi-Fi 6肩负了更重要的使命。新华三Wi-Fi 6 AP拥有更高速率、更低时延、更大容量、更安全、更省电等特性,为百行百业提供智快业务体验。并且,新华三创新推出全场景多协议“智原生”光AP,同时支持以太、GPON,EPON等协议,全方位优化接入流程,让全光网络不做选择题。
● 2022年,全球首发Wi-Fi 7智原生AP。基于对未来网络及无线技术的发展趋势预判和对客户需求的深刻领悟,新华三率先发布两款Wi-Fi 7 AP,最高支持三频12流,最大传输速率高达18.44Gbps,推动Wi-Fi 7技术赋能百行百业应用创新,扩展业务边界。日前,新华三Wi-Fi 7 AP成功斩获Interop Tokyo 2022金奖,为Wi-Fi 7的应用树立行业标杆。
4i智原生技术
全方位打造无线智快体验
凭借在无线领域的近20年深耕,新华三集团自主研发了4i智原生技术,包括iRadio、iStation、iEdge、iHeal,在空口性能、漫游接入、应用保障、网络自动化等各个方面不断优化无线网络。在建网、用网、优网方面,实现端到端的全方位覆盖,全方位保障用户无线智快体验。
目前,新华三集团已经能够为30多个行业专属场景提供定制化WLAN无线解决方案,其中三一集团、中南大学、深圳地铁、萧山机场等行业用户借助新华三WLAN产品及解决方案不仅获得了极速稳定的无线网络,更实现了业务转型创新。
作为数字化解决方案的领导者,新华三集团始终坚持以客户需求为导向,依托“云智原生”战略,以应用驱动网络为核心理念,持续推进WLAN技术与行业应用的深度融合与场景落地,以不断进化的数字大脑,加速行业数字化转型。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。