ZDNET网络频道 03月04日 编译:IDC全球以太网交换机和路由器季度跟踪调查的结果显示,2014年第四季度全球以太网交换市场(2/3层)收入达到创纪录的62亿美元,同比增长3.8%,环比增长3.6%。就2014年全年来看,该市场相比2013年增长了3.9%。与此同时,全球路由器总体市场扭转了同比下滑的趋势,同比增长2.5%,环比增长5.6%。不过,路由器市场在整个2014年缩水了0.6%。
从地域来看,2014年第四季度的结果打破了最近的趋势,以太网交换机市场在拉丁美洲实现最高增幅,同比和环比分别大幅增长13.8%和24.4%。欧洲、中东和非洲(EMEA)也有不错的表现,同比和环比分别增长7.0%和8.8%。北美洲同比小幅增长2.5%,而环比减少1.8%。另一方面,包括日本在内的亚太地区(APJ)表现平平,同比仅增长0.7%,但是环比更加接近全球的结果,环比增长4.1%。
IDC网络基础架构副总裁Rohit Mehra表示:“尽管价格大幅下滑,但是万兆以太网仍然是以太网交换机市场的主要增长动力,40Gb以太网增长快速,因为数据中心需要更高的容量提供一个企业和云应用猛增的生态系统。千兆以太网市场对于企业园区网来说仍然是很重要的,不过价格下滑对于市场增长来说可能是个挑战。”
在2014年第四季度,万兆以太网交换机(2/3层)收入同比增长5.2%达到32亿美元,万兆以太网交换机端口出货量同比增长24.4%达到近680万个端口,平均销售价格继续下滑。40Gb以太网作为一个独立细分市场继续快速增长,现在每个季度有超过5.2亿美元的收入。10Gb和40Gb以太网仍然是整个以太网交换机市场的主要动力。
在2014年第四季度,全球企业和服务提供商路由器市场同比增长2.5%。但是,路由器市场中的关键细分市场表现各不相同,企业细分市场继续遭遇困境,同比下滑5.1%。不同地区的路由器市场也出现了分化的情况。拉丁美洲、包括日本在内的亚太(APJ)以及EMEA都实现了同比增长,增幅分别为13.9%、6.8%和6.1%。而在北美洲情况则完全不同,2014年第四季度该季度的路由器市场同比下滑5%。
2014年第四季度思科的L2/L3以太网交换业务表现良好,同比增长3.8%,不过市场份额从上个季度的62.9%下降至61.1%。2013年第四季度的时候思科的市场份额也是61.1%。在竞争激烈的万兆以太网细分市场中,思科在2014年第四季度的市场份额为59.3%,低于上个季度的63.7%,也低于2013年第三季度的63.9%。思科的服务提供商和企业路由器收入同比下滑了3.3%。
惠普的以太网交换机收入增幅要明显高于整体市场,在2014年第四季度的同比和环比增幅分别为6.3%和5.0%。惠普在交换机方面的市场份额现在是9.5%,略高于2014年第三季度的9.3%,也高于2013年第四季度的9.2%。
Juniper的以太网交换机业务在该季度表现较为疲软,在2014年第四季度同比下滑8.3%,但是环比增加11.6%。它的路由器收入连续第二个季度同比下滑,幅度为16.3%。
IDC Tracker Group的研究经理Petr Jirovský表示:“以太网交换机市场仍然被更快的速度所主宰,也就是10Gb和40Gb以太网。然而,不同细分市场和不同地区部署需求的差异性让所有速度的技术都存留在整个市场中。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。