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
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner,该模型在2060亿科学数据上训练,支持103个科学任务,能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合,在分子设计、性质预测、文献分析等方面表现出色,为科学研究提供了强大的AI助手工具。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
南洋理工大学研究团队开发出SHINE方法,这是一种无需额外训练就能实现高质量图像合成的新技术。该方法通过巧妙引导现有AI模型的潜能,能够在复杂光影条件下完美合成图像,包括准确的阴影生成和水面倒影效果。研究团队还创建了ComplexCompo基准测试集,验证了SHINE在各种挑战性场景中的卓越性能,为图像编辑技术的发展开辟了新方向。