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
科技专家Sungjoo Yoon在TED演讲中提出"偏好原理",认为了解用户喜好信息越多,就能创造更强大的技术。他将市场变化比作"地壳运动",从1969年命令行界面到80年代GUI,再到90年代网络界面,技术发展都遵循这一规律。自然语言处理能建立信任,而AI智能体时代的到来意味着非人类参与者将在人类主导的世界中发挥作用。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
微软推出了Copilot Vision AI新功能,该技术能够扫描和分析用户屏幕上的所有内容。这项AI视觉技术可以实时理解用户正在查看的信息,包括文本、图像和应用程序界面,为用户提供更加智能化的交互体验和个性化建议。此功能的推出标志着AI助手向更深层次的用户体验集成迈进。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。