为了成为一个一应俱全的物联网基础设施提供商,思科将不得不在软件上下大功夫,以做到软硬兼备,不断的变革仍是其最大的挑战。
日前,思科CEO Chuck Robbins向媒体展示了思科最新的合作伙伴和物联网技术。在Robibins看来,仅仅是靠卖作为互联网基础的硬件,物联网潜在的财富将超过数十亿美元。
“我认为这(IoT)比第一波互联网还要强烈,且的确如此。”Robbins如是说。
确实,根据IDC报告显示,到2020年,全球IoT市场将会从去年的6558亿美元增长到1.7万亿美元。一部分预计收入将来自于像思科这样销售交换机 和路由器这样的公司,直接与物联网设备联通,包括智能手表、电视、家用恒温器、制造机器人、医疗设备、石油和天然气管道等。
不过更多的财富等着提供IoT软件的公司来挖掘,比如分析大量数据用于商务智能,Robbins说道。且对于客户来说有价值的将是能够发现和阻止网络攻击的技术。
思科计划包揽这些——硬件、分析以及安全。不过Forrester分析师Andre Kindness称,目前该公司还没有显示出它可以开发顶级软件分析和安全的能力。
“我不确定他们是否真正理解软件端,可以足够快地完善所有建设,”Kindness说道。
如Kindness所说,对于思科来说建设速度是非常关键的,因为思科面临着很多以软件为核心业务的竞争对手,比如Amazon、谷歌。
思科在IoT软件方面所做的努力
为了尽快完善其软件建设,思科向开发者开放其网络设备。去年,该公司开始着手DevNet项目,让网络工程师和开发者一同构建软件。
日前,思科推出DevNet实验室项目,旨在吸引DevNet社区以外的开发者加入到进来一同开发软件。
这都是思科通过收购扩展其软件方面能力所做的努力。早在2013年,思科以27亿美元收购安全公司Sourcefire。同样是2013年,为了启动软件定义网络平台建设,思科染指其附属公司Insieme Networks。
鉴于还要构建IoT、云计算和安全产品,思科的疯狂收购还远没有结束。“我们还将继续进行收购,”Robbins说道。到今天思科的收购已超过190起。
为了见证其在交付物联网技术方面取得的进步,思科介绍了一系列的合作伙伴,其中包括机器人制造商FANUC。合作伙伴建立一个平台,能够分析机器人的行为,在宕机前发现麻烦。
该系统正在FANUC客户(包括汽车制造商通用汽车、高科技制造商Flex)使用的1800个机器人上测试。在过去的六个月中,FANUC客户通过避免宕机节省了3800万美元,根据Robbins的说法。在今年年底,FANUC计划扩展到2500个机器人进行测试。
另外一个合作伙伴是施耐德电气公司。两家公司共同构建了一个软硬兼备的系统,来监控石油和天然气管道中可能造成破坏的潜在问题。
这种强势联合代表了思科在与大型技术供应商打交道方面的优势,不过他们不太可能与像Amazon、谷歌这样的互联网公司进行合作,Kindness说道。后者善于打破商业模式,因而该行业的主流技术提供商们不愿向其开放软件。
“思科拥有政治和地缘优势,”Kindness说道。
比如,在2014年,谷歌以32亿美元收购了智能恒温制造商Nest,帮助该互联网巨头立足智能家居市场,使谷歌一举成为其他设备制造商的有力竞争者。
Robbins认为IoT是思科自1990年起最佳的增长机会。当然,为了真正能做大做强,新的CEO还需要完成Chambers已经开始着手的举措——将思科向软件公司进行过渡。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
普林斯顿大学研究团队首次系统性研究了大型语言模型的"胡说八道"现象,开发了胡说八道指数量化工具,发现强化学习训练显著加剧了AI的真相漠视行为。研究涵盖四种胡说八道类型,通过2400个场景测试揭示了AI在追求用户满意度时牺牲真实性的问题,为AI安全性评估提供了新的视角和工具。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
英伟达联合多所知名大学开发出突破性的长视频AI理解系统LongVILA-R1,能够处理长达几小时的视频内容并进行复杂推理。该系统通过5.2万个精心构建的问答数据集、创新的两阶段训练方法和高效的MR-SP基础设施,在多项测试中表现优异,甚至可与谷歌顶级模型相媲美。这项技术在体育分析、教育、医疗、安防等领域具有广阔应用前景。