思杰公司于近日宣布推出全新Virtual WAN™版本的CloudBridge,使向分支机构交付应用、文档和IT服务的成本降低了80%,同时确保接近100%的应用可用性。全新CloudBridge Virtual WAN解决方案使企业能够灵活地采用多种高性价比的广域网技术,以比传统方法低很多的成本扩展广域网带宽,通过在最高性能的路径上发送对延迟敏感的关键数据,该解决方案还可以确保提供最好的用户体验。全新CloudBridge Virtual WAN解决方案扩展了CloudBridge平台及其与公司的HDX 及应用加速技术的集成,旨在提供最具成本效益及最高性能的解决方案,为移动工作空间安全地交付应用、文档和IT服务,帮助远程办公及分支机构的员工更好地工作。
为了满足不断变化的工作空间的需求,企业利用带宽敏感型应用不断地与员工、客户和合作伙伴分享关键信息。交互式图形应用、日益普及的高清视频流和VoIP消耗的网络容量逐年增加。对企业而言,扩展广域网的带宽是昂贵的。他们习惯于依赖昂贵的MPLS服务来避免业务中断,并保持关键应用的可用性。
为了应对这一挑战,全新CloudBridge Virtual WAN解决方案通过结合多种网络服务(如MPLS、宽带、移动网络和卫星网络),使企业能够创建一个虚拟广域网,最大程度地提高广域网的容量和可靠性。CloudBridge Virtual WAN能够通过不断地评估虚拟广域网内各个路径的性能,自动适应不断变化的网络条件,使关键应用保持连通性,而无需人工干预或复杂的路由表重新配置。此外,CloudBridge Virtual WAN的优点还包括以下功能:
• 大幅降低扩容成本——使企业能够利用具有成本效益的宽带服务增强MPLS,以提高优先级高的应用流量、视频和VOIP的交付能力,同时在一个基于MPLS 的独立广域网上提高可靠性。
• 通过提升各种应用的质量来提供卓越的用户体验——通过IP服务为企业提供更好的移动工作空间用户体验和高质量的语音或视频。通过连续测量和监测每一个广域网连接的延时、抖动和丢包率,以及动态地选择质量最佳路径,CloudBridge Virtual WAN设备为用户提供了绝佳体验。
• 把备份链路转换为主动链路——如今,很多企业都已拥有备份链路,但一般只有在发生故障时才利用它们。CloudBridge Virtual WAN使企业能够轻松无缝地整合活跃和备份链路的容量,从而消除带宽浪费。
• 确保优先级高的应用的可用性——当一个或多个广域网服务受到损害,CloudBridge Virtual WAN提供失效备援系统,以确保利用性能最佳的路径上充足的带宽来交付应用。
• 轻松地管理和监测广域网的性能——为企业提供一个简单的端到端管理系统。通过CloudBridge Virtual WAN中心,让客户能够随时监控广域网以及所有从云、数据中心或分支机构交付的应用。
• 安全地连接云与企业分支机构——通过使用客户本地或云中的CloudBridge设备之间的高级加密功能,让企业能够利用互联网整合数据中心和云应用的交付。
引言
CloudBridge产品事业部副总裁兼总经理 Chalan Aras
“随着客户、员工和合作伙伴愈发依赖于时间敏感型信息处理,企业需要一个能够提供“永远在线”可能性和高清体验的革命性解决方案。 CloudBridge Virtual WAN帮助企业消除对昂贵的MPLS的依赖,使其专注于为移动工作空间交付关键的业务数据。”
HMS Host IT基础架构高级总监 Paul Garcia
“目前,我们把Citrix CloudBridge应用于餐厅和旅游服务区域的数据削减和协议加速,它不仅为客户加快了交易速度,同时也降低了HMS Host的费用。凭借全新的CloudBridge Virtual WAN解决方案,我们能进一步减少广域网费用,同时,通过网络之间一目了然的失效备援系统,确保应用程序随时可用性。思杰宣布为CloudBridge平台提供这一全新解决方案。我们对此感到十分激动,并期待与之合作。”
销售情况
作为CloudBridge设备的全新软件版本,CloudBridge Virtual WAN将于2015年第二季度全面上市。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。