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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。