ZD至顶网网络频道 08月11日 北京报道:早在去年3月份就听到思科要以10亿美元巨资打造自己的“互联云(Intercloud)”平台,但似乎在一段时间内我们并没有看到什么有代表性的具体产品,难道这也是和“万物互联”一样,是对未来IT环境的一个前瞻性概念吗?
首先还是让我们先来回顾一下思科在去年3月份所作出的阐述,据思科介绍,互联云旨在将更多的云链接到一起,通过将各个云置于互联云上,再将互联云与思科的软件进行整合,用以构造出网络和计算能力相连的云架构。
从字面意思理解,互联云本身就是一个云网络,而且是由众多云汇聚而成的一朵大“云”。这也是思科最初所构想的云平台的模样——与众多合作伙伴携手构建世界上最大的云网络,全球Intercloud(互联云)。”
这一宏伟战略目标的提出,似乎与当年SUN公司提出的“网络就是计算机”有着异曲同工之妙。相信思科也深信任何事物都需要连接到网络,云当然也不例外。所以未来云与云之间的连接势在必行,而如果要成为未来云时代的领导者,就必须要提前布局,从整体战略角度去规划产品的发展线路,只有这样才能把握云时代的先机。单从这一点来看,思科确实做得十分具有前瞻性,也在不断的去培育这样一个市场环境。
但这会不会演变成一个异想天开的假想呢?它能落地吗?让我们来看看到目前为止思科为其互联云项目所做出的相关工作。在之前的Cisco Live上,思科云和托管服务销售全球高级副总裁Nick Earle表示,思科将进一步扩展Intercloud战略,并为混合云软件Cisco Intercloud Fabric增加了新的特性和功能,并宣布新增35个独立软件开发商,致力于为客户开发支持Intercloud的服务产品,这些开发工作所带来的好处是,能够在混合云世界中为用户带来更多的选择,以及更高的合规性和控制力。
然而,如果多少了解一点思科目前的产品战略的话,就能看到思科所提出的全球云战略实际上是一个基于“物联网架构”的云战略,这与思科近年来大力推进的“万物互联”概念有着千丝万缕的联系,而推出Intercloud(互联云)战略也正是为迎接“万物互联”时代到来而做的前期准备。
况且,这种架构的建立也有赖于类似网络标准的建立。但思科认为这样还远远不够,最重要的如何在未来支持混合IT的应用环境中体现Intercloud的价值,而Intercloud(互联云)平台将扮演众多云及设备中的一个控制器的角色,而这正是思科目前最具优势的领域,即思科在全球范围内的设备保有量及技术研发优势。
此外,思科也在积极招募全新的合作伙伴,以推动思科的云愿景进入到“下一阶段”,Earle表示:“我们将发布一些专门针对渠道的混合云捆绑包,这意味着合作伙伴可以直接向最终用户销售Intercloud解决方案。思科将凭借Intercloud混合云捆绑包逐渐进入到应用领域。”
据悉,这款专注于渠道的混合云捆绑包预计将在今年12月底发布,将围绕思科以及第三方的应用进行开发。另据了解,思科首个Intercloud捆绑包OpenStack Private Cloud Bundle,是思科收购Metacloud之后,基于后者技术开发的一款产品,并于今年4月在思科合作伙伴云峰会上进行了发布。
最后,据记者了解,思科未来所做的一切都将围绕运行在OpenStack上的软件即服务(SaaS)或管理服务产品来展开。那么,这也就不难理解,思科选择在这一阶段推出新的渠道捆绑包,就是为了给思科Intercloud战略招募全新合作伙伴提供更多的机会,而今后也将凭借互联云(Intercloud)平台结合SaaS级产品来进一步提高最终用户对思科产品及方案的采用率。
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。