ZDNET网络频道 02月13日 编译:网络巨头思科对白盒交换机设备表示质疑,同时做好与VMware一决高下的准备。思科公司认为其有能力完成硅谷一众初创企业无法实现的终极目标——调整业务支点以扭转营收下滑之趋势。
思科公司CEO约翰·钱伯斯在其2015财年第二季度财报会议上给出了喜人的经营成绩单,而各投资方也纷纷表示赞许。网络巨头的股票在其后的交易中,价格增长了5%。
思科公司CEO约翰·钱伯斯
钱伯斯对于思科公司最新产品的运营表现感到最为乐观,其中包括其Nexus 3000与9000,以应用为中心的基础架构(Application Cnetric Infrastructure,简称ACI)及其UCS数据中心产品等。并表示该公司于一年之前“颠覆了自己”才打造出这些新产品。钱伯斯讲到,“我们拥有自己的独特立足根基……并在通往成为世界范围内头号IT厂商的道路上努力前行。”
2015财年第二季度,思科公司营收数字增长7%、达到119亿美元,其中90亿美元源自产品、另外29亿美元由服务贡献,这三个月中的净利润则为27.45亿美元。
思科公司业务表现最出色的区域仍然是其美国大本营,在新财季中美国市场共为其贡献了4亿美元营收,而欧洲、中东与非洲(简称EMEA)市场的年均营收仍然稳定在30.91亿美元,亚太地区、日本与中国(简称APJC)的年均营收则为17.44亿美元。
与上年同期相比较,美国市场营收上涨8%、EMEA市场增幅为7%(即使在经济低迷的南欧亦实现增长),但与此同时APJC市场营收却下滑了6%。
在新兴市场上表现乏力仍然是思科公司的一大软肋:在中国市场上,钱伯斯坦言,“我们继续面临挑战”,在俄罗斯市场上亦是如此。印度市场的表现确实堪称亮点,与上年同期相比增长了11%,而墨西哥更是实现了21%这一强劲的同比增幅。
再由营收类别角度分析,全球企业客户业务同比增长10%,而美国公共事务部门营收更是提高17%。全球服务供应商业务仍然难于开展,且与上年同期相比出现1%的萎缩。
钱伯斯指出,美国网络中立性争议阻碍了服务供应商们支出计划的顺利实施,再加上新兴市场业务目前还难以取得显著进展,这部分业务将“在未来几个季度内继续迎来营收与利润的双重负面走势”(这是钱伯斯的原话)。
下面再来看各类产品的具体财务表现:
相较于上世纪九十年代,钱伯斯的态势可能已经有所转变,但他仍然对于思科公司在竞争中的强劲表现(仍有大量市场支持力量推动)感到满意。
如今他坦言,以白盒交换设备市场为代表的竞争势力正在持续兴起,不过他仍然坚信思科将安全性手段整合至业务体系的作法将成为其胜出的核心优势。
钱伯斯讲到,“现在大家已经能够随意购买商用芯片并将其它软件产品、数据中心乃至WAN运行于其上……但这种作法会给客户留下致命的薄弱环节,并让大家在运营过程中,无论是经营性组织还是政府机构遭受声誉损害。总体而言,由此带来的危害要远远超过长时间选择商用设备所能节约下来的一点点资金。”
钱伯斯再次重申了合资公司VCE在思科眼中的默认合作伙伴地位,并表示“我们与EMC拥有良好的合作关系,并期待这一关系能够继续保持下去。”
但对于VMware公司,思科则亮出了完全不同的观点,钱伯斯强调称:“我们会把其当作思科的直接竞争对手,并有十足的信心最终赢得这场竞争。”
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。