康普企业网络北亚区副总裁 陈岚
2020年,我们工作和生活的方式都发生了巨大的变化。COVID-19疫情影响了生活的方方面面,如今全球都开始注重隔离,逆境求生的各场所和园区也不得不采取措施,以灵活应对这些变化。对于许多楼宇业主而言,在疫情之下,从前“锦上添花”的技术如今已成为必需,加速技术革新也被提上了议程。我们预计,以下几项重要趋势将影响2021年的楼宇和园区网络发展。
人员减少,网络重要性提升
疫情改变了业务优先级,也改变了网络在楼宇和园区中的作用。在2021年,我们预计一些公司将大力采用远程联网的方式,让员工能够长期进行远程办公,还有一些公司将对其办公室进行调整,以满足社交距离方面的要求,这也意味着回到办公室办公的员工人数将减少。远程办公人员与公司的网络连接,也比以往任何时候都更加重要。楼宇所有者将着眼于员工和客户的健康与安全,持续推出安全的VPN连接,并以不同的方式对网络进行管理。
楼宇IT和运营技术(OT)团队将更加紧密地合作,以确保楼宇运营效率的最大化以及成本的最小化。这点至关重要,因为每家企业都希望在网络和智能楼宇设备方面的投资能够带来回报。如今,前来办公室办公的员工所占的空间与以前不同了,办公空间正在缩小,从而导致对Wi-Fi网络的需求增加。
OT团队将持续采用免接触式门禁技术,并将热像仪置于关键位置,对员工和访客的体温进行检测。同时,还利用系统对室内每一个定点的人流量进行测量,以监控人员规模。此外,更多的IP安防摄像头、LED灯和4K/HD数字标牌等设备也将被安装。
OT和IT的界线日益模糊
随着IT和OT团队间的合作愈发紧密,我们预计OT(暖通空调、门禁和照明等运营技术)与IT(网络和计算机)之间的传统界限将日益模糊。OT团队与企业用户一样需要接入网络,除Wi-Fi外,OT团队还需要包含Zigbee和LTE-M等物联网协议的接入。以太网供电(PoE)作为远程IoT设备供电的一种方式,已变得愈加重要。
OT团队如今也需要知晓网络中的可用带宽,以及哪些用户正在使用。反之,IT团队必须支持更广泛的设备和用户方案,因此他们也正在采用CBRS和私有LTE等新的连接技术,以提供相应的支持。在康普看来,这些发展预示着OT和IT团队将互相融合,以实现统一网络管理。
云计算日益强大
2021年,随着IT和OT团队致力于控制并管理不同的用户群体和应用程序,他们将转而采用云计算。云是存储信息的中央通用资源,有助于更轻松地聚合并管理在家以及办公室办公的人员。网络管理员无论身在何处,都能了解谁在使用网络,使用的是什么网络,以及发现潜在的故障点。无论是IT部门还是中立的主机运营商,都能通过云,更轻松且灵活地管理整个网络。
数据网络是所有这些变化的核心。需求驱动发明,严峻的疫情之下,各场馆和园区的IT和OT网络迅速发展,且发展方式也是几年前我们所不曾预料的。如今,新技术和采用这些新技术的应用需要足够的带宽来支持,这一需求正在推动网络的全面发展。新的边缘设备将成为后端基础设施升级的催化剂,包括全新千兆以太网交换机和支持90瓦PoE的光纤布线。需进行周期性升级的IT部门也正在部署CAT6A电缆,该电缆可支持高达10Gbps的数据速率,以防出现网络瓶颈,并完全支持全新的PoE需求。
网络复杂性不断提高
这一切都意味着,网络变得愈加复杂了,且随着更多新技术的出现,网络的复杂度将在2021年持续提升。如今,楼宇所有者必须综合采用楼宇内移动无线、Wi-Fi、CBRS、固定无线接入(FWA)和专用LTE网络。随着温度管理、门禁和人流量调控应用程序的推出,这些团队必须将网络连接延伸到更多地点。在许多公司和学校中,视频直播功能将愈加重要,这意味着网络必须前所未有地支持上行链路功能。传统网络通常不支持视频上行链路,因此针对此的网络升级是从今年才开始,预计将持续到明年。此外,智能建筑也将担负起更多物联网的接入任务。
随着办公室中人员的减少和远程办公人数的增加,楼宇和园区网络的重要性将在2021年进一步提升,这也将模糊IT和OT部门的界限,并推动云计算的增长。而且,尽管随着新技术和新应用的增加,网络复杂性仍是一大课题,但随着网络变得更加强大且灵活,我们也看到了网络大放异彩的机会,这将助力IT和OT部门面向未来做好准备。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。