ZDNET网络频道 02月18日 编译:在上周三思科公布了令人满意的第二财季业绩报告后,一众解决方案提供商都大赞思科CEO约翰·钱伯斯的作风硬朗,对他对待竞争对手毫不留情的态度甚为赞赏。
钱伯斯平时说话轻声细语,大有南方绅士的风度。但他在与华尔街分析师的电话会议上,听起来却更像是一位在菜市场吵架的汉子。他在电话会议上放出话来,称击败VMware和粉碎诸如Facebook设计的白牌交换机设备是一件乐事。一位华尔街分析师问他怎么那么乐观,钱伯斯表示,他最近跑4英里取得一年多以来的最佳成绩,还做举重练习,他称自己这一阵子“充满活力”。
思科CEO 约翰·钱伯斯
解决方案提供商表示,钱伯斯打口水战放狠话对他们鼓舞的确很大,他们比以往任何时候更渴望要占领制高点与思科的竞争对手对决。他们希望在思科掌舵20年、曾带领思科走过多次动荡的技术转型的钱伯斯不会让他们失望。
一位不愿透露姓名的顶级解决方案供应商高管表示,“我认为,假若钱伯斯和风细雨地大谈退位,那么给出的信息就是错误的,也没有竞争气氛。他这种“我们来干一架,打掉几颗牙齿,搞点事出来……”的态度,我喜欢。因此,他放狠话不是坏事,我喜欢听这些。我也可以凑凑热闹。”
该思科合作伙伴指出,曾几何时,似乎都是“VMware四处大胆出击,而思科则正襟危坐没有动静。太长一段时间以来,我们听到太多关于VMware的NSX(虚拟化网络平台),而思科方面的ACI(以应用程序为中心的基础设施)却只是冒几个泡泡,一个愿景而已,同时,NSX却已经发货、安装、用上了。”
周四思科股价大热,升到了7年高位,但去年有一段时期,思科合作伙伴对思科的未来却不是那么有把握。
托管和云服务商TekLinks是思科合作伙伴。TekLinks副总裁David Powell表示,钱伯斯在财报电话会议上的举动令他振奋不已。他表示,“如果钱伯斯想重拳出击,他们肯定有现金储备支持他做他想做的事。我喜欢这样子。”
据了解,在钱伯斯1991年加入思科以来,他一直都是思科庞大增长背后的动力。从他1995年接任思科CEO时,思科仅值12亿美元,到2014年思科价值已飙升到470亿美元。
2012年以来一直都有关于钱伯斯退休的传闻,当时他曾说过他计划在两到四年内退休。总部设在纽约的解决方案供应商和思科合作伙伴eTribeca的CTO兼COO Gary Berzack 表示,“他有的是时间。他有大把的时间,很多年的时间,而且经验足够丰富。”
思科上周三公布的业绩显示,第二季度的利润达27亿美元,或每股53美分,同比增长9%,总收入为119亿美元,同比增长7%。思科路由业务收入同比增长2%,交换设备业务攀升11%,UCS服务器业务同比增长超过40%,另外,思科的Meraki无线业务同比增长达100%。
Long View Systems是一家总部设在加拿大艾伯塔省卡尔加里的解决方案提供商,是思科的合作伙伴之一。Long View Systems融合基础设施和网络服务副总裁Kent MacDonald表示,“渠道各方对钱伯斯此次下注感到满意,对他的领导才能感到放心。他聆听市场、聆听自己的团队。我认为这种组合一次又一次被证明是非常具有战略意义的……我感觉不到市场上有任何焦虑,事实上,坊间一直都非常欣赏钱伯斯的稳健作风。”
合作伙伴拿不准钱伯斯留任CEO的时间,但有信心他围绕自己建立的高管团队最终会接过大印。MacDonald表示,“他在自己周围建立了一个非常强大的团队。如果他决定换换环境,决定继续自己的人生旅程,我觉得他的领导团队可以接手,不会有大变数,我对这一点感到放心。”
好文章,需要你的鼓励
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。