将IT和CT融合是华为进入企业级IT市场以来一直在坚持做的事。ICT融合可以简化设备管理,最大限度提高网络设备效率。面对企业分支机构业务的日益复杂化,华为采用虚拟化技术实现了IT和CT在网关上的深度结合,于近日推出企业网关AR3670,力求帮助企业分支机构提高业务部署效率,降低成本。

在企业ICT设备支出成本中,日常运维费用,如故障处理、例行巡检和现场维护等所占比例接近70%,这种高成本让诸多企业都倍感压力。而新业务的出现,也让企业从设备采购到网络规划、布线安装和业务部署上需要花费大量的精力,周期往往在30天左右。如果要减少时间和费用支出,就需要对硬件设备进行调整。
从业务层面看,分支机构虽小,但IT和CT服务却一个都不能少,无线、存储、路由、计算、交换、防火墙、语音、邮件加速等等都需要获得网关的支持。华为敏捷企业网关AR3670基于英特尔的X86架构设计,一台网关就相当于一个ICT分支,能够支持上述服务,这种融合架构大幅降低了企业分支机构的设备购置成本和运维管理成本。
对于分支机构,华为用三个关键词给出了自己的理解,那就是“融合”、“创新”和“增值”。华为希望将企业总部ICT设施和分支机构设施更好的结合,充分利用各自优势,从而快速发展企业业务。

华为交换机与企业通信产品线AR路由器产品总监郭俊在解读华为敏捷企业网关AR3670时表示,华为希望在AR3670上实现IT和CT的真正融合,这种融合不仅仅能够降低30%的TCO(总体拥有成本),更能够实现创新的融合。
首先,这种ICT融合不是IT和CT的简单叠加,是在硬件和应用中间增加一个hypervior虚拟层,是业界首次基于虚拟化技术实现IT+CT深度融合,从而实现各种业务应用的按需组合。

这种融合也不是硬件的简单堆砌,而是一种向云迁移的动态资源分配过程,可以最大限度保护用户投资。

这种融合将实现网络管理和虚拟机管理的协同化,基于SDN/虚拟化架构实现ICT的统一控制和运维。

ICT融合,并不是产品的简单叠加,而是一种架构性的创新,是在虚拟化、SDN等技术基础上,以客户业务需求为导向的产品创新。华为敏捷企业网关AR3670率先引领了这种ICT融合趋势,以创新技术助力企业应对分支业务的新挑战。通过网络统一管理,使得IT和CT管理不再割裂,从而简化运维配置,实现新业务远程部署,助力业务增值。
在企业网关领域,华为已经耕耘了多年。华为交换机与企业通信产品线企业网关领域总经理李先银在接受媒体采访时表示,网关涉及的是比传统路由器更高的4-7层,即应用层。目前华为网关涉及三大领域,一是敏捷企业网关领域,即传统路由器演化而来的企业网关;二是敏捷移动网关,如在巴士在线上的应用,有媒体接口,有WiFi接入应用等。三是敏捷物联网关,这种网关意义重大,可以实现过去诸多协议转换连接的重要渠道。未来,这三种网关有一定融合的可能性,目前只是因场景形成了复杂度和设备形态的差异,但在架构上将逐渐趋同,并将跟敏捷分支融为一个整体架构。
李先银表示,企业网关AR3670表面看起来只是个盒子,但其核心是一个生态体系,通过OpenStack、OpenDaylight这样的开源组织,让上下游企业都参与其中,并逐步实现产品的标准化,推动整个行业的发展。
AR3670是企业分支机构实现ICT融合的一个开始,这种将虚拟化、SDN等模式融入到分支网关将给企业分支机构带来新的变化,推动企业分支机构的快速发展。
好文章,需要你的鼓励
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。