日前,紫光股份旗下新华三集团发布新一代智原生WA6500系列AP,业界首创支持GPON\EPON双协议,让PON网络部署不再是难题;打破传统功能设计,突破性融入强大计算能力,结合iEdge、Wi-Fi 6 eXtreme等领先技术,使业务在边缘侧更及时、高效、多维度的获得保障,打造智快无线新体验。
连接不设限 GPON/EPON双协议 全光部署不再是难题
在光进铜退政策推动下,光纤接入趋势潮流锐不可当。园区网络在升级改造过程中一直面临着多品牌、多接入协议不统一的现实问题,严重影响业务部署效率。新华三集团提前布局全场景多协议“智原生”光AP,以WA6500系列AP升级为契机,致力打造最全光AP产品,实现以太、EPON、GPON全面覆盖。
以太光+PON完美融合。在原有提供以太网接入的基础上,支持光口接入,可根据用户不同应用场景更灵活的匹配合适的技术方案,满足客户业务升级、简化网络、降本增效的网络需求。
业界首创EGPON AP。此次升级的WA6520H-EGPON无线AP,业界首创同时支持GPON、EPON标准,实现“一机双协议”,全方位优化接入流程,让PON网络部署不再是难题。
速率不设限 频宽/速率双升级 充分保障业务体验
随着数字化转型的推进,视频教学、无线投屏、多屏同步、VR/AR等智慧类业务的兴起所带来的无线流量激增给园区网络带来持续压力,传统无线网络难以支撑此类大带宽、低时延的业务。WA6500系列AP频宽翻倍、速率升级,应对视频会议、在线教学等应用毫无压力,可以轻松满足教育、办公、医疗等场景下高密接入及多终端并发需求。
无线频宽翻番。此次全面升级的WA6500系列智原生AP,5G频段频宽拓展至160MHz,相比80MHz频宽,传输性能提升一倍,让无线网络更加高效畅通。
速率2.975Gbps起步。WA6500全系产品速率2.975Gbps起步,进一步满足百行百业对无线的基础需求,同时高端产品速率突破4.8Gbps,无惧大带宽、低时延业务,助力企业不断扩展业务边界。
算力不设限 算力下沉边缘侧,使AP更智能灵活
后Wi-Fi 6时代,无线业务更加多元化,使得AP在处理流量识别与分析时极易造成网络性能瓶颈,影响业务运营和用户体验。新华三去中心化设计思想将算力下沉AP侧,在边缘侧更及时的识别和加速应用。Wi-Fi 6 eXtreme增强技术和iEdge技术加持,让业务保障更及时更高效,使用体验更顺畅。
去中心化,算力下沉。通过iEdge技术,WA6500系列AP特别内置了算力加速模块,在保持原有网络能力和成本优势的前提下,边缘计算能力显著提升,快速感知终端体验情况和应用变化,迅速作出响应。
独家黑科技优化网络体验。自研Wi-Fi 6 eXtreme增强技术,可智能识别用户应用,同时结合智能分拣技术可高速处理已识别出的应用报文,克服传统DPI性能低,DFI识别应用不精确的问题。并且借助新华三智能运维平台,进一步激发WA6500系列AP边缘侧能力,全方位优化网络,有效提升无线传输效率及信号覆盖。
深耕无线网络领域近20年,据IDC统计数据显示,新华三集团已经连续13年稳居中国企业级WLAN市场份额第一,成为WLAN行业当之无愧的领先者。全球首发Wi-Fi 6和Wi-Fi 7无线AP,新华三一直引领WLAN行业技术发展潮流。作为数字化解决方案的领导者,新华三将继续坚持以技术创新为发展引擎,以客户需求为导向,持续深化“云智原生”战略,以不断强化的数字大脑,推动后Wi-Fi6时代网络技术与行业应用的深度融合,为数字经济的蓬勃发展筑实科技基座。
好文章,需要你的鼓励
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
MIT研究发现,使用生成式AI完成任务时,大脑运作方式与单纯依靠自身思考存在显著差异。研究显示,使用ChatGPT等工具的用户记忆力更差,神经连接活动减少,对所写内容的回忆能力明显下降。虽然AI工具能提高效率,但可能导致用户缺乏对知识的深度理解和掌控感。研究强调需要更多科学数据来了解AI使用对人类认知的长期影响。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。