Riverbed公司日前宣布,全球领先的商业地产公司仲量联行(JLL)正在采用Riverbed SteelHead建设其新一代混合网。作为《信息周刊》评选出的精英百强企业,仲量联行采用领先科技为其分布在80余个国家的商业地产业主、投资商及企业客户创造价值。仲量联行的许多技术来自Riverbed SteelHead解决方案。SteelHead确保卓越的网络应用性能,支持高流量,如实时视频等高带宽应用,以及云和SaaS应用等。
仲量联行是一家财富500强企业,年收入54亿美元,专注于在商业地产服务和投资管理方面提供专业服务。
仲量联行的IT团队为公司分布在80余个国家230个办公场所的5.8万名员工提供支持,并负责确保快速访问集中管理的关键业务应用。同时,IT还负责为公司使用的业内领先的技术平台提供支持,如:全面的企业数据与分析平台RED;3D远程站点选择工具Blackbird,智能建筑平台IntelliCommand,以及一款获奖的物业营销技术工具套件。
仲量联行的IT环境正在不断发展以满足公司对尽可能控制成本的要求,同时保持在商业地产领域的技术创新地位。例如,由于公司将更多的应用和服务转移至云,使得网络正在向混合化发展。同时,公司正在进行一项工作,即将每个办公室原有的MPLS网络替换为高速互联网双链路,从而以更低的价格提供更高的带宽。同时,仲量联行还采取了一些新的举措,如员工视频会议以及内部网络广播等高带宽应用。
作为Riverbed的早期客户,仲量联行最初部署SteelHead设备是为了避免为全球所有办公场所购买带宽。仲量联行美国区首席技术官Joe Ryan谈到:“当时带宽还极其昂贵,现在虽然可用的带宽很多,仲量联行依然借助SteelHead来确保网络上的快速数据访问和最佳应用性能。我们的专业人员将带宽利用到了极致;我们的客户希望从我们这里快速获得启发,也就是高性能。即使网络达到100mbps的连接速度,如果没有SteelHead设备,人们将会因较差的应用性能而抓狂。”
由于仲量联行在混合网络中不断采用互联网应用,因此其网络连接的数量也在日益增加。为给越来越多的技术熟练员工提供支持,仲量联行不断部署Riverbed解决方案,助力该公司提升灵敏性,降低运维成本,同时为全球用户确保卓越的应用性能,即使用户数量越来越多。仲量联行美国区首席信息官(CIO)Edward Wagoner指出:“在不影响性能的情况下通过互联网交付关键业务应用,可为我们节省数百万美元。Riverbed成功做到了。”
仲量联行还使用SteelHead设备上内置的虚拟平台来开展其他服务,例如进行软件更新。采用Riverbed技术可以撤除分支机构的服务器,节省大量时间和成本。Ryan指出:“从管理的角度来看,我们不再需要服务器及其一切相关的成本。SteelHead为团队节省了时间,因为在监控、修复及办公室搬迁时需要移动的设备少了。节省的时间积少成多。”
SteelHead还有助于确保高质量网络广播和视频会议的进行,助力仲量联行进行员工大会直播,支持其他数据密集型客户平台,例如新数据和分析平台RED,以及3D远程分析软件Blackbird。为支持视频应用,当SteelHead检测到多个用户收看视频直播时,它只发送一个请求,然后将该视频在本地分流,服务于每个人。该设计的目的是确保高质量的视频播放效果,同时对资源的需求更少,保护其他应用不受性能问题困扰。SteelHead视频分流助力仲量联行撤除了在美国90%以上办公室的媒体服务器。”
最重要的是,Riverbed SteelHead技术有助于保持仲量联行在商业地产领域IT创新的前沿地位。“我们在外面和同行聊起来,发现我们远远领先于他们。下一代WAN现在非常吸引媒体的眼球,”Ryan说到。“我们视技术投资为人才投资。我们一直寻求最新技术,确保可以利用到该技术。Riverbed就是我们寻求的理想技术之一。”
Riverbed SteelHead 与 Riverbed Application Performance Platform™
Riverbed Application Performance Platform助力CIO实现企业级端到端可视化、优化与控制。作为该平台的一个关键部分,Riverbed SteelHead是业界首屈一指的WAN优化解决方案,加速交付混合企业的所有应用。SteelHead为应用性能和终端用户体验提供增强的可视化能力,根据集中式面向业务意图的策略,通过混合网络应用方法确保业务性能SLA。
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。