HPE Aruba Networking 提供的全面解决方案,旨在减轻管理、部署和购买企业专用蜂窝网络的复杂性
休斯顿 - 2024年7月2日 - 慧与科技(NYSE:HPE)日前宣布推出HPE Aruba Networking企业级私有5G网络,旨在帮助客户更快、更轻松地部署和管理私有5G网络,以实现在大型园区和工业环境中提供可靠的高质量无线覆盖,并充分挖掘全新的专用蜂窝网络应用场景。
随着边缘到云安全产品组合的扩展,HPE Aruba Networking已成为全球唯一一家提供完整Wi-Fi网络和私有 5G 网络解决方案的企业级基础设施供应商,旨在帮助制造、医疗、公共场所和教育等行业客户应对大型和远程站点的复杂网络连接挑战。此次全新推出的HPE Aruba Networking私有5G网络,作为Wi-Fi提供的高性价比、高容量连接的补充,可帮助客户提高生产力和创新能力,并扩展人工智能(AI)数据捕获及交付能力,用于构建AI数据湖和激活推理解决方案。
HPE Aruba Networking无线首席技术官Stuart Strickland表示,“企业和工业客户日益寻求在苛刻环境下提供无线网络覆盖,例如大型室外区域、服务快速移动的客户端,以及在专用频谱中提供确定性的网络访问。然而,传统专用蜂窝网络解决方案的复杂性已阻碍了它们的发展。得益于HPE Aruba Networking在无线领域的持续创新和领先能力,通过将Athonet核心蜂窝网络解决方案与我们在企业网络领域的传统优势相整合,HPE Aruba Networking现可为专用蜂窝网络提供全面支持。”
HPE Aruba Networking企业级私有5G网络可支持通信服务商(CSP)为其客户快速部署私有5G 网络。该集成式私有5G网络解决方案将成为现有基于Wi-Fi托管服务的有利补充,帮助电信客户服务于不断增长的专用蜂窝网络市场,并从其现有企业客户中创造全新收入来源。
随着 HPE Aruba Networking企业级私有5G网络的正式推出,企业现可通过以下功能实现可靠、安全、高性能的全面集成式私有5G网络连接能力:
此次私有5G网络产品的成功整合,正是得益于HPE在2023年收购的专用蜂窝网络技术提供商 Athonet。Athonet在专用蜂窝网络领域拥有15年行业领先地位,曾完成500家企业的专用蜂窝网络解决方案部署。作为一家屡获殊荣的技术先驱,Athonet在众多行业拥有客户成功部署案例,其中包括领先的移动运营商、医院、机场、港口、公共事业、政府和公共安全组织等。
IDC物联网和电信领域高级研究经理Patrick Filkins表示,“HPE Aruba Networking企业级私有5G网络在解决与当今许多私有网络部署相关的复杂性、成本、控制和管理挑战方面迈出关键一步。此次HPE Aruba Networking采取务实措施,重点关注如何在企业现有的IT架构中最有效地集成专用蜂窝网络,并通过使用熟悉的工具简化网络和设备管理,以及在4G/5G、Wi-Fi和有限局域网之间的动态分配和保留设备策略。”
Analysys Mason合伙人Tom Rebbeck表示,“许多私有网络解决方案过于复杂,即使对于拥有内部网络专业知识的大型企业来说亦是如此。我们预计客户将会积极采用能够简化部署和管理私有网络的解决方案。”
好文章,需要你的鼓励
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。