随着企业数字化转型深入,基础网络承担着企业整个园区各类业务系统的整体数据传输,是企业高效业务发展不可或缺的一部分。而设备与用户的加入,则使得网络的价值和重要性以几何级数增加。在此背景下,智能网络成为数字时代企业园区网络的必然选择。
基于对智能园区网的理解,神州数码旗下DCN(神州数码网络)联合数字中国服务联盟成员陕西瑞金旗下云雀软件、金锐同创旗下巽联科技,共同推出智能园区网混合云管理三方联合解决方案,旨在提升智能园区网简易化开局的智能部署、感知业务状态的应用与服务和软件定义网络的智能运维等三个维度的能力,打造新基础设施,赋能企业数字化转型。
智能园区网混合云管理联合解决方案概述
该方案把园区网划分为园区业务网、园区办公网、设备管理区、数据中心区、分支机构区等区域,为实现不同区域的业务目标,智能园区网混合云管理联合解决方案具备不同的组成及优势。
园区业务网:重点考虑业务系统端到端的网络性能,采用流量采集分析的方式,通过与CMDB以及NAT设备(防火墙或负载均衡)进行API对接获得服务器IP以及IP地址转换策略,自动关联会话,展示业务系统全流程画像,并显示此会话的网络状况,让客户清晰看到业务系统的网络态势。
设备管理区:承担整网的入网、运维和运营的工作。神州数码DCN的ImCloud云管理平台纳管DCN自有及第三方无线设备,实现跨品牌有线无线统一管理,并实现设备层面的可视化,如网络组网状态、设备状态、配置管理等,在APP移动运维集中发挥优势。

业务系统端到端逻辑及网络性能
数据中心区:神州数码DCN的ImCloud支持位置相关的智能数据服务,以AP内置蓝牙对终端的定位而产生位置信息,通过数据中心大数据分析为上层应用提供数据支撑。
分支机构区:实现搬家期间根据接入的终端自动下发 VLAN、IP、接入安全策略,解决了大规模网络调整及配置问题,通过软件定义网络的方式实现了纯无人值守下的搬家模式。搬家结束后,用户将系统策略切换为绑定模式,每次入网开始前检测入网合规性,所有用户无法私自移动位置。
以神州数码DCN技术与产品能力构建联合解决方案优势
三方联合解决方案从技术及产品两个层面的结合来提升解决方案整体能力,实现了混合云架构、开局简易化、感知业务状态、软件定义网络四大优势。
混合云架构:ImCloud+云雀+巽联组成松耦合混合云架构,部署模式支持内网、外网多种场景(隔离网交换机控制+外网无线管理+内网混合场景),适配各种网络环境;
实现开局简易化:神州数码DCN与云雀结合提供网络规划能力及跨品牌自动化部署能力,实现开局简易化;
感知业务状态:神州数码DCN与巽联科技结合来感知业务状态,提供无线位置服务及端到端的业务逻辑及网络性能情况分析;
软件定义网络:实现主机访问关系可视化及IP地址可视化,为智能运维提供基础,通过软件定义网络实现网络自动化迁移。

三方联合解决方案技术结合点
该方案结合了神州数码DCN产品优势,增强了解决方案产品性能。
神州数码DCN设备自动上线:定制交换机实现神州数码DCN设备自动上线,无需预配置,云雀可以直接管理DCN交换机
软件定义接口状态:定制交换机可基于云雀实现软件定义的接口UP/DOWN,自动感知接口开关
数据分析:ImCloud、云雀、巽联的数据分析结果导入云平台进行综合关联分析,为智能园区网管理带来无限可能。
智能园区网混合云管理联合解决方案可以帮助企业园区更加灵活演进,承载更多的智能业务,从而发挥数字化转型的带动作用。未来,基于"数字中国服务联盟",神州数码将在解决方案构建、服务能力输出、品牌合作等方面与联盟成员和生态伙伴展开更多创新合作模式和前沿领域的前瞻性探索。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。