至顶网网络频道 07月12日 综合消息:中国电信云南分公司近日牵头举办了 “2017云南无线校园网络研讨会暨合作签约仪式”,联合小橘科技等网络服务合作伙伴,深入云南省的多所中高职院校开展网络设施搭建及运营的服务。全球领先的网络解决方案提供者Aruba,作为该项目的网络设施合作方,未来将担负为这些院校建设升级校园无线网络装置的重任,共促云南省“智慧校园”和教育信息化建设。
当日,中国电信云南分公司副总经理曹春江、中国电信云南分公司政企事业部校园总监李红美、寺库集团的领导以及入围公司代表共同出席了签约仪式。云南省中高职院校相关领导及云南省各市州中国电信相关领导、业界专家等也出席了研讨会并发表重要讲话。与此同时,来自南京医科大学等国内高校的IT负责人受邀分享了在无线校园建设方面的成功实践,与Aruba共同见证了云南教育信息化发展历程中的这一重要时刻。
签约仪式现场
现代教育的发展离不开网络基础设施的支持,且网络的信息化与学校教学改革、科研协作、文化积淀,以及高校管理都密不可分。据现场的中国电信云南公司副总经理曹春江介绍,此次合作双方采用了创新的‘WiFi as a service’的模式,通过第三方专业服务机构的引入,实现了从方案设计、设备采购与部署,到后期运维的“一站式”服务。此举将较好地解决高校网络设施前期投入大、后续运维与管理难等问题,提升高校网络设施的软硬件水平,同时减少成本投入,并改善服务与使用体验,进而进一步缩小信息化的“数字鸿沟”,推动云南省智慧校园建设迈上新台阶。
据悉,Aruba无线专家团队目前已进入签约校园内展开实地调查,根据其无线网络部署的需求及难点定制相应的解决方案。设备升级将利用暑期时间进行施工,力争在新学期开始前完工,以保证师生在开学后即可使用焕然一新的校园WiFi无线网络。
作为全球领先的网络问题解决商,Aruba的无线技术及硬件具有强大的技术能力,满足用户对网络稳定性、安全性和高扩展性的需求。Aruba AP系列的自适应射频管理(ARM 3.0)支持高密度场景下的网络铺设,在高信号覆盖的同时能到做AP间的干扰最小。同时,ARM 3.0采用最新的专利技术ClientMatch可以优化粘连终端,使信道或频谱的负载均衡,以达到无线服务的稳定性。
在安全问题上,Aruba在无线控制器上集成了经过ICSA(国际计算机安全联盟)认证的基于角色的状态检测防火墙。所有防火墙都部署到接入层,相当于从源头上掐断病毒传播。此外,Aruba拥有业界最开放的无线架构,其无线控制器AC、网络管理系统Airwave、接入管理系统ClearPass皆提供了丰富的API接口,可用于大数据采集和第三方应用系统集成。这些设备收集的第三方数据可帮助校方进行学生行为捕捉与分析,更合理的安排学校资源。
南京医科大学网络与信息中心负责人潘小星分享了该校与Aruba合作共建无线校园的成功实践。他表示:“我校采用Aruba的无线产品系列实现了全覆盖、智能化和可视化的管理,不仅满足师生随时随地上网的需求,更可以实现对现有网络的统一管理,充分发挥无线网络使用简单、方便快捷等特点,很好的促进了校园移动教学和移动学习。”另据了解,Aruba目前已与北京邮电大学、中国政法大学、上海交通大学、厦门大学等多所国内高校保持着长期坚固的合作关系,在教育领域形成大量的成功案例。
南京医科大学网络与信息中心负责人分享了使用Aruba解决方案的成功实践
在签约仪式现场,Aruba 中国区技术销售总监俞世丹先生表示: “很荣幸作为无线设施供应商加入到云南教育信息化建设的事业中来。Aruba将充分发挥在软硬件方面的资源优势以及在高校信息化建设领域的丰富实践经验,为签约高校提供优质的网络技术服务,携手合作伙伴打造智慧校园的新标杆。”
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。