五款全新Wi-Fi 6认证接入点将Wi-Fi 6推向主流
中国上海,2020年6月9日——康普公司近日宣布扩展旗下支持Wi-Fi 6技术的接入点(AP)产品组合,以助力在密集连接的环境中,实现更高的数据速率、更大的网络容量、更高的电源效率以及更佳的性能。
继去年推出全球首款Wi-Fi 6认证的RUCKUS R750接入点之后,康普此次新增了R850,R650和R550室内AP以及T750和T750SE室外AP。这些接入点均通过Wi-Fi 6认证,并针对高密度连接场景(如校园、酒店、机场和体育场等场所)进行了优化。
如今,无线网络不仅包括Wi-Fi,还包括多种不同的IoT无线技术,涵盖如资产追踪、智能门锁等多种应用。这也导致了无线网络难以管理、成本昂贵且彼此孤立存在。康普推出的全新AP产品组合率先采用了端到端的融合架构,解决了网络重叠覆盖的问题,且通过SmartZone网络控制器、ZoneDirector、RUCKUS Cloud和RUCKUS Unleashed等多种管理方式,能够节省成本并方便管理。此外,这些新的AP还能通过RUCKUS Analytics,借助机器学习和人工智能技术,全面实现网络智能。
韩国东国大学庆州校区信息规划系主任Eunhyun Kim表示:“随着以视频为主的学习方式得以普及,无论是通过远程、身在外场、还是教室或宿舍,我们韩国庆州四个校区的11000多名学生都希望拥有更佳的Wi-Fi连接体验。作为韩国国内最负盛名的私立大学之一,我们借助康普的RUCKUS产品组合,始终能够从容地应对学生群体不断提升的网络需求。”
Huntington ISD技术总监Jeff Baird表示:“师生和管理人员希望我们能够积极响应其需求,我们对供应商的期望也如此。由于旧版网络无法提供支持,我们已不再使用Chromebook进行在线测试。主管部门希望一切都能稳定有序地运转。他们身处一线,此前一直会收到老师和家长的投诉,而自从我们改采用RUCKUS产品之后,就没再收到投诉了。”
RUCKUS AP中采用的BeamFlex技术以及超高密度技术套件,让韩国东国大学庆州校区和Huntington ISD等客户能够满足其用户的需求。BeamFlex是一项专利技术,可实时自动地调整天线模式,将干扰阻碍降至最低,同时为每台设备提供最佳性能。RUCKUS超高密度技术套件是指一系列功能和技术的集合,致力于在超高密度连接环境中改善网络性能和最终用户体验。这些独特的技术以及我们与合作伙伴和供应商的良好合作关系,使RUCKUS产品组合能够从众多解决方案中脱颖而出。
Qualcomm Technologies, Inc.副总裁兼无线基础设施与网络业务总经理 Nick Kucharewski表示:“Qualcomm Technologies推出的Wi-Fi 6网络平台,旨在通过先进的Wi-Fi 6技术,应对拥堵的、最具挑战性的网络环境需求。我们认可康普积极拥抱Wi-Fi 6核心功能及其不断创新的步伐,基于Qualcomm Networking Pro系列平台,RUCKUS Wi-Fi产品组合能够提供高性能的网络接入体验。”
屡获殊荣的康普RUCKUS接入点产品组合现包括:
R650和T750已于2020年第一季度开始出货,R550和R850将于2020年第二季度开始出货,T750SE将于2020年第三季度开始出货。
康普RUCKUS系列产品管理高级副总裁Bart Giordano表示:“作为业界领先的企业级解决方案,康普RUCKUS采用独特专利技术的全新Wi-Fi 6接入点能够满足不断增长的连接需求。我们持续投资于企业级Wi-Fi领域,加之最近推出的RUCKUS Analytics,我们已经得到了客户的积极反响。”
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。