ZDNET网络频道 07月24日 编译:一位Aruba高管告诉记者,惠普收购Aruba网络之举终使网络行业形成惠普-思科“两强相争”的局面。
Aruba Networks联合创始人Melkote Keerti
Aruba今年五月被惠普收购,细节未公开。Melkote Keerti是Aruba网络的联合创始人及首席高管。他上个月告诉记者,Aruba正在被整合到新的母公司里,预计下个月开始会讨论加入路线图的相关事情。
在收购Aruba前,惠普的坚实网络业务是基于2010年收购的3Com。而Aruba的加入为惠普带来了行业里一家顶尖的无线网络供应商。
Melkote表示,将有线和无线网络世界融汇在一起是惠普的重中之重。“我们认为Aruba的无线和惠普的有线基础设施需要一个统一管理控制台,”他说。“我们也在寻找在有线和无线基础设施之间开展SDN(软件定义网络)的方式,也会在两者之间做统一策略的工作。”
Melkote表示,此举的出现正值校园交换市场已经在降温阶段,这意味着网络的增长将出自无线这一领域。 “但有线还未离场,”他说。“我们在后端需要有线网络。”
Melkote表示,这在802.11ac Wave 2(又名802.11ac无线网络标准第二代)面市时更为重要。“空中网络带宽超过每秒1千兆位,”他说。“但今天的有线接入最高为1千兆位。所以我们可以看到,要为校园网络带来新气象则需要支持多千兆位的技术。”
Melkote表示,网络产业正处于变化阶段,惠普有Aruba的加盟最后将与思科在市场上一较高下。“思科在有线网络市场跑在前面,无线也堪称优势产品,”他说。“而Aruba在无线方面跑在前面。归根结底,这也是我们为什么加入惠普的原因,我们看到了机会,但也需要在高端市场和低端市场具有规模。而惠普拥有规模、渠道伙伴关系等优势条件,所以我们可以干一番大事。”
Melkote指出,届时思科会顽强地予以反击,因而网络行业将会出现思科和惠普之间的两强相争局面。“但惠普和Aruba一起,目前在网络市场拥有大约20%的市场份额,以前从未有人拥有这么大的份额,除了思科以外,思科真的是在主导这里的市场。”
然而,就在惠普和Aruba合计着如何夺取市场份额的时候,思科也没有闲着。思科2012年收购了Meraki,就此为进军企业无线网络市场开始了第一次重大出击。
思科在今年还宣布投资6Wind。6Wind是一家总部位于巴黎的软件定义网络(SDN)和网络功能虚拟化(NFV)技术开发商。紧接着,惠普则收购了一家基于OpenDaylight、运营商级别的SDN结构的供应商,也是SDN创新开发商,名为ConteXtream。
据一家总部设在美国圣地亚哥的解决方案供应商及惠普长期合作伙伴Nth Generation Computing的首席信息官和首席战略官Rich Baldwin的说法,Aruba意味着惠普网络业务的未来非常地光明。
Baldwin告诉记者,“我们在一些地方已经看到无线连接比有线更快,但后端还是要有线网络接入,这仍然是一个限制因素。而Aruba的方法是一项创举,是一项改变游戏规则的技术。”
Baldwin表示,无线即未来,而Aruba是无线的领导者。“所以,现在惠普成了领导者,”他说。 “科技界大多数人还在用台式机,对于我们大多数人来说,这种状况将会改变。惠普现在很好地将自己的定位放在了这种改变上。”
VeriStor系统是一家总部位于亚特兰大的解决方案供应商和惠普长期合作伙伴。该公司的解决方案架构主管Gary Hutchins告诉记者,他对惠普收购Aruba感到很高兴。
Hutchins说,“我们认为,惠普在数据中心方面拥有强大的SDN技术,但人们对此已有些淡忘了,现在再加入Aruba的无线技术,就此惠普就在网络这一块拥有了一个涵盖一切的完整方案。”
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。