全球领先的信息与通信解决方案供应商华为宣布,在2015华为中国合作伙伴大会上向合作伙伴发出共同构建“敏捷网络开放联盟”的邀请,招募合作伙伴共同推进敏捷商业模式的创新。这也是华为首次公布面向敏捷网络商业联盟的想法。
华为交换机与企业通信产品线解决方案总经理马达对合作伙伴发起“敏捷网络开放联盟”的招募
在企业网络平台建设中,华为始终践行“被集成”战略,聚焦其所擅长的数据通信与安全领域,为合作伙伴提供基于华为敏捷网络的开放架构,携手ICT产业链上层应用软件供应商,打造适应客户业务部署的创新型整合交付解决方案,满足垂直行业客户业务需求。通过近两届BYOD解决方案联盟大会的成功举办,华为已经拓展了80余家生态系统伙伴,其中不乏政府、金融、教育、快销等行业领导者,企业应用商店营销平台已上线包括移动金融营销、WPS办公软件、教育云课堂应用在内的企业应用达到30余个,方案销售额实现了跨越式增长。基于BYOD解决方案联盟的成功实践,华为相信即将构建的“敏捷网络开放联盟”将聚拢更多的商业合作伙伴。
华为交换机与企业通信产品线解决方案总经理马达表示:“华为一直对企业网络平台建设采取开放态度,本着互利共赢的理念,华为希望更多的合作伙伴能够加入‘敏捷网络开放联盟’,联合做强方案与做大市场,一起打造健康共赢的商业生态链。“
“敏捷网络开放联盟”将基于华为敏捷网络的开放架构,聚合ICT产业链合作伙伴的资源,形成利益共同体,在深度挖掘行业客户业务痛点的基础上,通过与合作伙伴联合方案设计、开发与发布、联合营销和推广,共同打造联合整体解决方案,帮助客户和联盟合作伙伴实现商业成功。“敏捷网络开放联盟”将聚焦企业客户应用场景,对优选伙伴开发整网方案提供支撑,并对优秀的合作方案提供开放联盟基金的专项支持,从而实现对竞争力和客户粘性的提升。这将助推华为与合作伙伴联合开发创新型解决方案,共同培育与扩大市场空间,并在全球的渠道进行营销和品牌推广。
目前,敏捷网络在技术方案上已经在敏捷园区、敏捷分支、敏捷数据中心、信息安全等方面开展了与联盟伙伴的合作。在敏捷园区领域,华为提供开放接口,围绕园区五大敏捷特性与行业深度结合,跟合作伙伴开展联合方案创新;在敏捷分支领域,华为通过搭建通用平台,与合作伙伴的产品配合,为行业客户提供覆盖移动、物联和企业三大分支的端到端解决方案;在数据中心网络领域,华为已经与VMware、微软等业界主流云操作系统厂商联合推出解决方案,并正在构建全方位的Cloud Ecosystem,即面向云平台、虚拟化平台、第三方控制器、自动化工具、第三方网管平台、L4-L7的全开放生态体系;在信息安全领域,华为会将业务安全、策略控制、安全功能和网络设备等多层次的安全能力为合作伙伴进行开放,让基于网络平台的业务更安全、更可靠的运行。
通过敏捷网络的eSDK开放接口,华为将iPCA(网络包守恒算法)网络质量感知、安全协防、一键式运维等相关能力对外进行了全面开放,与合作伙伴深度整合,从而提升解决方案整体竞争力。以合作伙伴易华录为例,通过将iPCA(网络包守恒算法)网络质量感知、安全协防深度嵌入到易华录交通监控运营管理系统中,大大提高了故障定位准确性和维护效率,有效对外部威胁进行了安全防护,解决了客户存在的设备(摄像头等)故障定位困难,黑客利用外场设备(摄像头等网口)接入非法终端,进而入侵交通管理系统的实际问题。
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。