7月15日,国家“一带一路”标志性工程京新高速临白段正式建成通车,这标志着世界上穿越沙漠最长的高速公路——“京新高速(G7)“全线贯通。作为京新高速公路监控、收费等多个业务系统的基础网络解决方案提供商,锐捷网络克服异常恶劣的施工环境,凭借高品质高可靠性的工业级交换机和超强性能的多业务交换机等明星产品,确保信息之路畅通无阻,让各项业务应用穿越千里荒漠。
图:千里荒漠遭遇建网难题
500公里无人荒漠的建网难题
在京新高速新通车的三个路段,大多位于戈壁、荒漠等自然条件恶劣区域,其中内蒙古境内更有近500公里路段基本属于无人区,是继青藏铁路后又一具有典型艰苦地域特点的代表性工程。
与此同时,项目建设的机电工程是路段通车极其重要的组成部分。在机电工程配套的监控系统建设中,既要对监控中心的网络、监控系统进行扩容和升级,满足道路接入后的应用需求,同时还要部署监控外场设备,这对于网络通信质量和交换机等基础通信设备的室外适应能力,以及网络稳定性提出了极高要求。此外,在收费系统建设中,需要对全段实现联网收费,基础网络要负责将路段上的全部收费所(站)的收费信息上传,交换机的流量控制功能要确保此项业务优先运行。
高品质创新产品挑战千里戈壁
针对如此艰苦的施工环境和高质量的网络通信需求,锐捷网络为京新高速公路机电工程建设精心打造了完整的网络解决方案,为监控系统、收费系统等业务提供了稳定可靠的应用保障。
首先,针对包括巴丹吉林、腾格里、乌兰布、三大沙漠和无人区在内的930公里严酷环境,锐捷网络通过在收费站、道路沿线、隧道内部署工业级以太网交换机,全面适应风沙、高温等恶劣环境。与普通商业交换机相比,锐捷的工业级产品在设计和元器件的选用上更为苛刻,采用了国际大厂主流成熟工业级芯片、高性能工业级CPU、工业级电源模块和铝合金外壳,确保产品的工业级品质。同时,产品还采用无风扇的电路设计,让设备即使在-40—85℃、风沙肆虐的恶劣环境下也能正常工作。
图:锐捷视频优化技术确保监控业务可靠运行
其次,通过工业交换机组成ERPS环网,锐捷将京新高速各路段、桥梁、隧道等处的监控摄像头接入到监控中心,ERPS环网能够在网络中断后的20ms内迅速切换网络链路,恢复业务数据流通。同时,锐捷的工业交换机、接入交换机、汇聚交换机等网络设备均支持组播、流量整形和视频缓存等功能,满足了视频监控业务特殊应用网络需求,优化视频流量,确保视频监控信息流畅不卡顿。
图:锐捷交换机全面部署QoS,确保收费业务优先运行
最后,通过各收费站、收费广场等场所到收费分中心网络的互联互通,以及将所有交换机全面部署QoS网络带宽保障功能,使收费系统的业务数据以最高的优先级传输,充分保障收费业务安全畅通无阻塞,时时保护收费生命线,确保高速公司的切身利益。
锐捷智慧交通“深入场景” 勇创第一
京新高速让海上丝绸之路与陆上丝绸之路无缝对接,成为“一带一路”发展战略中新亚欧大陆桥的重要组成部分。
重任在肩,不敢有一丝懈怠。在整个建网的过程中,以及在最后通车测试阶段,锐捷网络的工程师真正践行了“深入场景、走向戈壁”的服务意识,其快速响应和实施质量都得到现场项目建设人员的一致肯定。相关领导表示:“在这么偏远和艰苦的条件能够及时到达现场并调试完成设备,锐捷的工程师值得信赖!”
从全球第一的高铁、高速公路网络,到正在建设的世界第一大机场和城市地铁系统,中国的交通行业正经历着翻天覆地的变化。与此同时,锐捷网络的创新产品及解决方案也已广泛应用于我国公路、铁路、水路、机场、地铁、公交等不同的场景,在“智慧交通”产业为人们的智能出行创造更多的第一。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。