当前,在席卷全球的数字化风潮中,诸多企业在数字化转型的探索中都面临着一道新旧交替的关卡:随着业务不断扩大和深入,数据量呈现指数级增长,对网络带宽、数据处理、运维能力提出更加严苛的要求,从互联网时代沿用而来的基础设施,已经开始“力不从心”。
如何打造适应现阶段和下一代数字技术的ICT基础底座,完成数字化的“代际过渡”,是许多企业的头等大事。近日,紫光股份旗下新华三集团中标墨西哥JOMTEL TELECOMUNICACIONES公司ATIZAPAN C2车辆图像采集处理系统项目,在三个月内完成多台高配服务器、交换机等设备的交付、调试与安装,助力Jomtel新系统及时上线,为墨西哥当地推进交通管理数字化、打击危险驾驶、保障国民安全提供了有力支撑。
无线通信老牌大户的新问题:如何完成“代际跨越”
据了解,Jomtel已在墨西哥无线通信集成领域深耕25年,主要服务当地政府部门和私营企业,业务囊括安全系统、无线通信和视觉信号等系统的设计、销售、安装和维护,而车用图像采集及处理系统是其标杆产品之一,截至目前已交付超过200个项目。
通俗地说,车用图像采集及处理指对人脸、车牌等信息进行实时观看、录入、回放、调出及存储等操作,通过移动互联的视频监控对图像进行自动识别和报警,来解决司机超速问题和其他潜在危险行为,这是交通管理数字化转型的重要方向。
但是2021年以来,Jomtel这样的老牌大户面临着新问题:随着墨西哥经济发展、城市化水平提升、汽车保有量增加,交通管理部门收集的信息呈指数级增长,数据来源、数据形式也更加多元复杂,传统的ICT设备算力不足、操作繁琐,网络运维和安全保护技术落后,无法承载新的交通管理需求。
Jomtel意识到,针对墨西哥交通发展现状,打造兼容当下和未来的基础设施和软件系统,完成从“互联网时代”到“数字时代”的跨越,是业务发展的关键所在。但受制于旧供应商支持能力有限、全球ICT交付能力困难等一系列问题,系统“焕新”陷入迟滞。
计算与网络优势突出,新华三提供“最优方案”
为尽快实现系统升级迭代,Jomtel对ATIZAPAN C2车辆图像采集处理系统项目进行公开招标,历经数月重重测试选拔之后,来自中国的新华三集团脱颖而出,不仅多次前往业务前线,在一周内完成测试考验,更交出了优于其他竞争者的成绩单。
据透露,新华三集团提供的中标方案引入了自己旗下H3C UniServer R4900 G5服务器和H3C S6520X交换机两款先进设备。
在数据计算方面,针对日渐高企的数据量,H3C UniServer R4900 G5服务器硬件高配置带来了强劲性能,让Jomtel能够从容应对业务扩展带来的数据膨胀,还能够涵盖结构化、非结构化和半结构化数据的管理和分析,更好应对数据多元复杂的现状。同时,服务器运维管理变得更加智能便捷,可视化、多任务并行、多设备兼容等优点显著降低操作复杂度,让Jomtel的员工后台操作更加得心应手。
在网络管理方面,H3C S6520X交换机设备也让运维管理工作进入“智能可视时代”,网络状态和接入设备都一目了然,同时具备高可用优势,足够的冗余保护避免了“单一节点出现问题全部业务中断”的风险,而且组网灵活,更便利相关业务的后续扩展和深入。
值得关注的是,Jomtel同时也是拉丁美洲安全协会ALAS的杰出成员,这意味着在信息安全方面要求更高,新华三集团提供的方案包含了报文加密、防攻击防篡改等硬件加密能力,为Jomtel服务政府部门提供了更多安全保障。
快速完成项目交付,新华三ICT产品“跨海驰援”
拿下Jomtel ATIZAPAN C2车辆图像采集处理系统项目之后,新华三集团墨西哥代表处快速运转,甚至其总部也调动海内外资源进行供货保障,成功在三个月内交付三批共计二十台高配置服务器,助力Jomtel车辆图像采集处理新系统及时上线,为墨西哥政府部门进行现代化交通管理奠定了软硬件基础。
据悉,新华三集团墨西哥代表处成立不久,已赢得包括Jomtel在内众多渠道及客户的高度认可,体现“渠道优先、合作共赢”的海外战略理念。截至目前,新华三集团已建成12家海外分支机构,认证海外合作伙伴超过1000家,认证海外服务合作伙伴超过200家,海外服务交付能够覆盖135个国家,成为新华三业务出海的底气所在。
新华三集团方面表示,随着数字化浪潮在墨西哥乃至整个拉美地区得到广泛认可,ICT基础设施与软件服务的需求将进一步爆发,“新华三拿下Jomtel项目竞标,为在当地进行更多深度合作树立了良好开端,未来将进一步协助拉美地区渠道和客户加速数字化转型的步伐,帮助更多民众在工作生活中享受到科技红利。”
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。