ZDNET网络频道 05月29日 编译:全球消费者和企业无线局域网(WLAN)市场在2015年第一季度比去年同期增长了0.6%。根据IDC公布的全球季度WLAN跟踪报告中的初步结果显示,同之前几个季度相比,企业市场增长明显放缓,和去年同期相比仅仅增长了3.0%。
经过了几个季度的快速增长,企业WLAN市场增长速度下降到多年来的最低水平,这是由于受到两个因素的影响:美国的教育收入可能会因为给K12公立学校的E级资金问题而延缓,另一个因素是公共部门和亚太地区在今年第一季度的疲软态势。
802.11ac标准仍然朝着成为主流WLAN的方向前进。在七个季度中,从产品可用性来看,802.11ac标准已经在非独立访问节点出货量方面占据了超过40%的份额,在非独立访问节点收入方面占据了55%的份额,这个速度比我们在几年前看到的从802.11a/b/g转向802.11n的速度要快得多。随着第二波802.11ac产品在2015年下半年进入市场,IDC预计到2016年,802.11ac无论从出货量还是从收入上来看都将在全球范围内成为主流标准。企业WLAN需求的增长仍然是这种转变的推动力。
消费者WLAN市场在2015年第一季度和去年同期相比下降了2.0%,扭转了之前几个季度同比上涨的趋势。从旧的802.11n标准转向更新、更快的802.11ac标准的过渡一直在推动着这个板块。全球消费者802.11ac WLAN收入同比增长了143.0%,但是环比只增长了2.1%,这无法抵消消费类802.11n收入下降(同比下降21.7%,环比下降14.9%)带来的颓势。
IDC 的Network Infrastructure研究分析师Nolan Greene表示,“从教育、医疗到大型企业,对无线网络访问的倾向将继续保持下去,特别是当第二波能够让更多应用程序进入无线世界的802.11ac产品出现之后更是如此。” Nolan Greene表示,“虽然季节性的因素和未来E级资金的因素让2015年第一季度的增长势头放缓,我们还是认为802.11ac的发展势头将在接下来的几个季度里再现辉煌。”
从地理角度看,拉丁美洲的企业WLAN市场再次表现出超乎平均的市场增长率,在2015年第一季度同比增长幅度惊人,达到了33.7%。欧洲、中东和非洲(EMEA)地区连续第四个季度增长稳健,同比增长11.5%。加拿大的市场增长速度也再一次超过全球市场增长的速度,同比增长7.4%。亚太地区企业WLAN市场增长温和,同比增长1.9%。美国市场受到教育市场中K12板块由于等待15年第二季度的E级别资金而延迟采购WLAN的影响显著,和2014年第一季度相比下降了5.4%。
Worldwide Networking Trackers 的研究经理Petr Jirovský表示,“很多地区由于802.11ac的普及在第一季度出现了健康的增长态势,全球的机构越来越多地依赖于企业WLAN。”他表示,“然而,由于美国市场受到项目推迟的影响而呈现颓势以及季节性疲软的出现,都对全球增长率造成了很大的影响。”
主要企业WLAN供应商最新表现
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。