1月29日上午,博科在京举办了MLXe网络加密解决方案新品发布会,博科公司大中华区副总裁于肇烈、中国区高级技术顾问王斌出席并介绍了博科在中国的发展战略,详解了MLXe新增的加密功能及其为用户所能带来的价值。
国产化的推进让外企在国内的发展普遍遇冷,面临着严峻的环境考验。然与很多大厂所传出的裁员消息相反,博科的员工不减反增,据博科公司大中华区副总裁于肇烈介绍,与去年相比,博科的人员同比增长了55%,其人员增长的背后是“博科对未来‘新IP’的世界,有着非常强大的信心”。也因此,在新一年里,博科将继续加大对中国市场的投入力度。
博科在SDN和NFV的布局已有时日。在于肇烈看来,“在NFV或是SDN领域,无论是哪一家企业,做controller这种解决方案,都需要大量的基层建设,需要大量的系统整合。”目前,贵州云服务提供商翼云科技已采用博科以太网矩阵、SDN和NFV等技术建设云数据中心,双方正寻求更为深化的合作。这也为新一年做好了铺垫,博科将继续推进SDN和NFV的部署,以技术支撑起新型业务的发展。
作为发布会浓墨重彩的一笔,博科宣布为其旗舰路由器MLXe推出业内第一个基于本地端口的加密功能。这项新的安全功能包括256位IPsec加密和128位MACsec加密,通过IPsec硬件网卡实现线速的在线的网络层的数据加密;通过MACsec硬件板卡提供链路层数据的在线加密。结合博科最新的操作系统NetIron OS 5.8,可实现端到端的网络传输层的数据安全保障。“在路由器里提供在线的线速数据加密,这在业界是博科首创的”,博科中国区高级技术顾问王斌表示。
通常,网络性能和安全性常常是跷跷板的两端,往往需要在二者之间做出取舍。博科本次推出的IPsec和MACsec安全协议均可在线速下启用,实现每个模块最高44 Gbps(IPsec)或200 Gbps(MACsec)的吞吐量,以期满足企业用户对网络性能的最高要求。整个机箱是一个性能可扩展的模式,当添加新的板卡时,加密功能即得到相应的增加,最高可达至TB级的数据加密。
为路由器的I/O模块增加本地加、解密功能让网络得以在不降低性能的情况下确保所有数据的隐私保护。把线速加密引入路由器,让用户能够在其“新IP”计划上实现数据保护的同时,卸载多余设备,以提高安全性和控制IT成本。
现如今,很多企业在发展自身关键业务的时候,已经向云平台上做转移,对于一些对数据敏感的行业、如政府、银行等,更多的是采取一种私有云、公有云混合的形式。博科将本次发布的加密功能定位在对数据极其重视的政府、军队、航天等机构以及金融、医疗等行业;并通过加密解决方案,为用户实现园区、数据中心、私有云、公有云及混合环境等各种场景下的安全保障。
此外,新的IPsec和MACsec功能可以与支持IPsec Suite B的第三方平台互操作,可与博科ICX系列交换机中的MACsec功能形成补充。今后,我们将陆续看到IPsec与博科Vyatta虚拟路由器的IPsec实现互操作性,让用户能够为混合云上的数据保护部署本地网络加密。
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。