HPE ArubaNetworking推出的全新Wi-Fi 7接入点,提供全面的边缘IT解决方案,可拓展用户和物联网连接、加强在线处理能力、提升安全性,并最大化优化性能
休斯顿-2024年4月23日-慧与科技(NYSE: HPE)近日宣布推出Wi-Fi 7接入点(AP),可以通过国际电信联盟(ITU)建议的6GHz频段提供超越同类产品多达30%的无线流量容量。同时,该产品增强了网络安全能力,并改进了基于位置的服务,为企业严苛的人工智能(AI)、物联网(IoT)、位置和安全应用需求提供连接。
作为企业无线网络领域的市场领导者,以及18次获评Gartner®企业级有线和无线局域网基础设施魔力象限领导者的网络厂商,HPE Aruba Networking 秉承创新精神,推出全新一代Wi-Fi 7接入点。得益于HPE专利的超三频硬件技术,该产品可利用5GHz和6GHz频段,实现自动且持续的消除频段间的无效竞争。
HPE Aruba Networking无线首席技术官Stuart Strickland表示,“HPE Aruba Networking凭借二十余载引领Wi-Fi创新之势,始终致力于为客户提供可靠、安全、高性能的连接解决方案,助力其达成从沉浸式球迷观赛体验到自动化制造流程等各类业务目标。我们全新推出的Wi-Fi 7接入点,不仅带来了强大的性能提升和效率优化能力,更是成为了智能IoT枢纽,为企业提供了网络安全、负载均衡、环境感知,以及业务及运营分析等多项功能。”
全新HPE Aruba Networking接入点可以通过HPE Aruba Networking Central进行管理,并借助内置的支持广泛IoT协议的硬件,例如Zigbee和蓝牙,或通过双USB接口进行扩展,可以在无需额外重复建设的前提下,帮助用户实现广泛的IoT覆盖。该接入点可以为企业部署在网络边缘的各类IoT设备提供安全可靠的连接平台,例如摄像头、电机传感器、能源传感器和运动探测器等。得益于来自超过 350 家技术合作伙伴的集成方案,企业能够高效地采集、保护、传输和利用IoT数据,获得实时业务洞察力。此外,这些数据可用于训练和激活其AI模型,以助力打造预测性维护、数字孪生以及个性化客户用户体验等解决方案。
650集团首席分析师Chris DePuy表示,“目前,优化连接是一项关键任务。针对无线基础设施做出明智的投资始终是客户不变的需求,因为他们需要建立面向未来的网络,并获得预期的经营成果。随着IoT设备的大力发展,以及对无所不在的安全性和向后兼容传统设备的需求,Wi-Fi 7提供了面向企业网络升级时所需的强大处理能力,且兼具灵活性、速度、可靠性以及更大容量。”
随着HPE Aruba Networking 730系列园区接入点的问世,企业可通过以下功能得以最大化无线投资价值:
HPE Aruba Networking 730系列接入点计划于2024年7月全球同步上市,并为用户提供终身有限保修服务。HPE Aruba Networking Central将负责管理HPE Aruba Networking 730系列园区接入点,用户可通过订阅形式使用该服务。除作为独立的软件即服务(SaaS)产品外,HPE Aruba Networking Central已纳入HPE GreenLake(NaaS)订阅服务,用户可通过HPE GreenLake边缘到云平台进行订阅。
*预计将在2024年10月增加MACsec支持。
好文章,需要你的鼓励
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。
Nvidia公布2026财年一季度业绩,营收441亿美元,同比增长69%;新AI超算与显卡产品陆续亮相,尽管出口管控对H20业务造成影响,但整体AI市场前景依然乐观。
Cerebras WSE 芯片拥有 40 亿晶体管,推理速度达到 NVIDIA 集群的约 2.5 倍,刷新了全球 AI 推理速度记录,为复杂 AI 代理应用提供高性能计算支持。
这项研究提出了"B-score",一种新指标用于检测大语言模型中的偏见。研究人员发现,当模型能看到自己之前对同一问题的回答时(多轮对话),它能够减少偏见并给出更平衡的答案。B-score计算单轮与多轮对话中答案概率的差异,无需外部标注即可识别有偏见的回答。实验证明,将B-score用于回答验证可显著提高准确率,在标准基准测试上平均提升2.9个百分点。这一发现不仅提供了实用工具,还表明大语言模型具有自我纠正能力。