2014年,对于国内新兴应用交付厂商太一星晨来说又是高速发展的一年,全球首家推出T比特级应用交付设备、国内首家通过IPv6 READY认证、进一步提升intel sandybridge多核平台的性能优势等一系列产品与技术成果,已然具备了与国际大牌厂商相抗衡的资本。
但更让太一星晨欣喜的是,2014年底,在由中国信息产业发展研究院旗下《网络运维与管理》杂志社举办的“2014中国IT产品满意度调查”活动中,太一星晨应用交付产品荣获了“2014中国IT产品满意度调查用户满意奖”殊荣。太一星晨产品总监于振波表示,能够获得“用户满意奖”,这既是国内企业用户对太一星晨的肯定,同时也是对近年来整个国产应用交付行业高速发展的一个肯定。
众所周知,自应用交付行业诞生以来,以F5、A10等为代表的国外应用交付厂商,凭借这“先发”优势,一直占据国内市场的大半壁江山。近年来,以太一星晨为代表的国内应用厂商迅速崛起,在产品层面与国外品牌的差距日益缩小,并在局部领域已呈现超出势头。此外,近两年由于泄密、棱镜门、产品存在后门等安全事件的频繁出现,使得国家将网络信息安全上升国家战略高度。这些因素都在推动着国内产品逐步取代国外产品趋势到来。不过,国产应用交付厂商能否真正意义的替代国际品牌关键还是要靠自身实力来说话。
于振波表示,尽管国产应用交付起步较晚,但对中国市场的深入需求要比国外厂商理解的更为透彻,同时在产品研发层面也更有针对性。中国的互联网和企业应用系统多样性性可能是全球最复杂的,应用交付系统需要跟国内这些应用系统更好的融合。这要求整个产品的需求搜集,产品规划,版本研发有一个清晰的主线脉络。这是太一星晨相比国外品牌的最大优势,整个公司的资源都投入到了这一个方向。
比如应用交付主要包括服务器负载均衡和多链路负载均衡两个领域,在服务器负载均衡和应用系统加速领域国外产品技术更全面,占有一定的优势;而在多链路负载均衡领域,反而国内产品更有优势,重要原因是多链路跨运营商访问是非常有中国特色的网络现状,国外品牌的产品规划和研发都在国外,国内往往只是售前,售后工程师,对需求的扑捉和响应速度自然不会很理想。而如太一星晨产品中的链路单边加速、透明DNS代理、动态就近探测、以及更加直观的链路运维报表等非常具有实用性的功能,都是国外产品所欠缺的。
另据于振波表示,应用交付与很多信息化解决方案相似,同样可以说是“三分靠技术、七分靠服务”。如果说技术上的不足可以靠坚持不懈的研发来赶上,但是要实现全方位的“用户满意度”,除了强有力的技术支持以外,还要考验的一家应用交付企业的综合服务能力。首先是提供服务人员的技术能力,不仅是指对应用交付设备的配置部署能力,还包括对用户业务的本地化感知、对用户需求的准确传递以及对应用交付内部软硬件处理细节的了解;其次是服务响应能力,即从用户提出需求到需求有效实现的时间周期。
国外品牌由于客观条件制约,在这两个方面确实很难做好。例如由于核心研发及测试团队均在国外,很难准确了解用户的本地化业务,同时用户的需求信息、问题反馈或服务要求在冗长的传递过程中或多或少会有失真,而且国内用户需求的优先级相对较低。同时,国外品牌在服务响应时间方面则更加欠缺。某国内省级运营商用户表示,他们之前用的某国外品牌设备,在出现故障后,不得不从以色列总部派了一名技术专家长途跋涉来现场解决问题,结果前后花费近1周时间,造成了较大损失,但实际问题只是一个内核底层配置与业务应用匹配的产品配置问题。
但服务对于国内应用厂商而言却拥有着先天优势。比如太一星晨提供7*24小时的快速响应服务,且拥有覆盖全国的本土服务效率,可以通过及时响应与高效服务快速解决问题。比如发生上文所述情况,太一星晨只需要现场实施人员与核心研发人员沟通后即可解决问题,可以给各个环节节省大量的时间成本。
于振波表示,经历整个2014年的市场洗礼,让国内应用交付厂商看到了一个非常可喜的气象——随着国内用户对应用交付的深入理解,已有很多大型企业级用户看到了国产应用交付厂商的价值,他们已不再片面的迷信国际品牌的技术优势,并且对国产应用交付厂商的综合服务能力呈现出了更高的期望值。2014年里,太一星晨先后入围国家电网等多家大型央企的高标准集采测试,这无疑会让越来越多的国内企业用户对国产应用交付厂商的突出表现充满信心。
同时,在2014年来国家寄望国产厂商能担负起捍卫国家信息安全使命的背景下,倘若每一个国产厂商在立足技术进步基础上,不断将实现“用户满意度”落到实处,那么一个又一个“用户满意度”叠加起来,就必然会绽放出国产厂商的无穷能量,推动国产厂商全面替代国外品牌的宏伟目标也将指日可待。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。