ZDNET网络频道 06月03日 编译:惠普与快速增长的网络供应商Arista Networks建立合作伙伴关系,以期为开放融合基础设施提供更多的选择。合作伙伴称,二者结合的目的主要是针对竞争对手思科。
据惠普发布的资料显示,两家公司会将Arista的网络设备与惠普的3Par服务器技术、存储设备和网络管理软件OneView结合在一起。
Versatile Communications是一家总部设在美国马萨诸塞州Marlborough的网络解决方案提供商,是惠普合作伙伴。该公司首席执行官及共同创始人John Barker表示,“显然,此举将影响到思科。Arista与许多别的网络上不同,相对思科而言,Arista的成功转化率颇令人欣慰。即便是铁杆思科客户也认为Arista转型之路甚为简单,说到底,Arista的根是两位思科前高管和工程。”
Jayshree Ullal在成为Arista的CEO兼总裁之前曾经营过思科的数据中心、交换和服务集团。两间公司的过节还不仅仅在此。思科曾两度针对Arista提出法律诉讼,称总部位于美国加州圣克拉拉厂商Arista侵犯了很多思科专利及窃取了思科版权资料。
合作伙伴表示,Arista在软件定义网络方面的专业知识对惠普渠道合作伙伴来说是一个巨大的优势。市场研究公司Gartner本月发布报告称,Arista网络和思科是数据中心网络的领头人,Gartner报告指,Arista在该领域里“显然是增长最快的”的供应商。
Focus Technology Solutions是一家总部设在美国新罕布什尔州Seabrook的思科和惠普合作伙伴。该公司的首席技术官Bill Smeltzer表示,“Arista被认为是软件定义网络的领导者,因此惠普利用Arista可以更好地与思科的ACI、博科SDN和VMware的NSX产品竞争。对于那些早期SDN采纳者及Arista网络方面的客户来说,惠普此举可为他们提供接近惠普计算和存储的机会。”
惠普表示,新的解决方案旨在提供私有云、公有云和混合云应用程序的支持,同时可以跨计算、跨存储地进行灵活开放的选择。合作伙伴表示,Arista的高性能交换技术与3Par及惠普服务器结合是“强强联手”,对此,渠道合作伙伴可以在自己的客户账户上找到定位。
Matrix Integration是总部设在美国印第安那州的Arista、惠普和思科合作伙伴。据该公司业务开发经理Shannon Champion的介绍,对于Arista合作伙伴来说,惠普-Arista伙伴关系为他们打开了大门,提供了接触大量的惠普客户群的机会。
Champion 表示,“此举的意义重大,而且是可行的。Arista有一些很妙的产品,他们的愿景很棒,合作伙伴对他们的利润率也颇感兴趣。”
Smeltzer表示,惠普合作伙伴还可以“玩两手准备”,意指惠普的白标交换产品。
Smeltzer称,“如果客户希望使用VMware的NSX,或是某种类型的OpenStack SDN,他们现在有白盒交换设备可用,但如果客户找的是可以立即启用、现成的商业级SDN,他们也可以做出反击并对自己说,‘对,这地方可以用上Arista产品。’”
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。