本月早些时候,美国高尔夫球协会(USGA)举办了2024年美国高尔夫球公开赛,该赛事被广泛认为是职业高尔夫球界最激烈的比赛。鉴于该赛事的高关注度,为其提供支持的基础网络也必须同样强大。
在美国公开赛的周五,思科赞助技术主管Rob Neumann和杰出工程师Matt Swartz向我介绍了在幕后为赛事提供支持的思科技术的情况。
先介绍一下背景,思科从2018年开始与USGA合作,确保最新的技术始终出现在球场上。当时,网络的作用发生了重大变化。二十年前,联网设备很少。如今,一切都由网络驱动。
观众使用带有数字门票的移动设备进入赛场,然后通过网络安防系统。进入赛场后,观众可以在移动设备上查看信息,或在大型数字显示屏上观看比赛活动,从而提升整体体验。
虽然网络对每个人来说都是不可见的,但它却至关重要,因为它为一切提供动力,不仅面向球迷,还包括媒体中心、后台操作、安防等。思科精通体育和娱乐领域,其网络遍布洛杉矶SoFi体育馆、拉斯维加斯Allegiant体育馆和坦帕湾Amalia体育馆等场馆,但高尔夫赛事却带来了一些不同的挑战。
在传统的体育场设计中,人和设备都是固定的。虽然人们可能会光顾特许经营区,但大多数人都是在特定区域观看比赛。而在高尔夫球场,球迷们会随着他们喜爱的球员在球场上成群结队地移动。
Neumann将其描述为“泰格-伍兹效应” (正迅速演变为斯科蒂-谢弗勒效应),即成千上万的人随着排名靠前的球员移动,以便一睹其精彩一击。这意味着思科需要在球场上规划18个 “体育场级”的部署,而不是仅仅部署一个。
要实现这一目标,需要庞大的基础设施,包括220台Catalyst 9K交换机和520个Meraki Wi-Fi 接入点(AP)。更严峻的挑战是,这里没有天花板或其他基础设施来悬挂接入点。走在球场上,我看到有的接入点绑在树上,有的挂在摄像机塔上,有的挂在镜头追踪系统上,有的甚至安装在地面上。
除了基础设施外,网络还使用Meraki Dashboard进行管理,这使得USGA能够捕捉流量统计数据。以下是从网络中提取的一些数据点:
相比之下,网络流量最大的超级碗创下了34.8TB 的最高纪录。大型场馆的音乐会流量则在8 TB 到10TB之间。虽然80TB是一周的数据量,但这表明美国高尔夫球公开赛的网络每天必须支持一个大型场馆的流量,而且观众还在不断移动。
思科为美国网球公开赛提供了网络基础设施,并使用Cisco Firepower Next Generation Firewalls确保环境安全。由于该网络要处理个人数据、金融交易和其他敏感信息,因此必须确保其安全。
此外,锦标赛还使用了运行Webex 的Cisco Video Endpoints,使远程记者能够参与媒体活动。外国记者可以使用Webex采访球员,而无需前往松林球场。
Neumann解释说,在新冠疫情之前,单场美国公开赛的报道多达600多条,但疫情迫使美国高尔夫球协会寻找其他方法,让媒体与球员互动。尽管许多主流体育刊物已经重返赛场,但一些刊物不得不长途跋涉,而一些与这项运动没有直接关系的刊物则选择远离赛场。Webex 提供了一种简单易用、高质量的合作方式。
美国高尔夫球公开赛是一项备受瞩目的体育赛事。选手们必须表现完美才能获胜。同样,网络也必须完美无瑕,才能让当地球迷完全享受赛事,让媒体顺利报道,并让相关活动得以开展。思科的基础设施使美国高尔夫球协会能够完美呈现这一顶级赛事。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。