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
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。