ZD至顶网网络频道 11月10日 编译: 思科和爱立信两家公司的老总在电话会议上就日前宣布的合作协议解释说,思科和爱立信选择了新的广泛合作伙伴关系,因为其它做法会拖慢两家联合推向市场的步伐。
爱立信CEO Hans Vesterberg称该项交易是一个“精选合作伙伴关系”。Vesterberg表示,在长大13个月的对话过程里,两家公司考虑过合资和其他合作形式,但未被接纳,原因是“我们在该合作合作伙伴关系里将解决方案和产品放在第一位。这种形式比合并或合资更快些。”
思科CEO罗卓克提了个问题,“为什么不合并呢?”他然后回答了自己的问题:“我们可以从两家获得创新,这样做我们可以即刻动手。”
两人表示,对于两家公司说,主要是要快些开始联合行动,但两人对于究竟如何即刻开始行动却并没有给出细节。例如,有人问到爱立信到底会转售哪一款思科产品,两个老总都说不出个所以然来。
给出的计划内容里最详细的部分是罗卓克给出的,他承诺了“我们的技术和爱立信运营和业务支持系统(OSS/BSS)之间的全面整合”。这些爱立信产品针对的是电信网络运营商,所以,产品组合里加入思科套件后,思科的盒子在电信网络深层次使用时可以得到很好的发挥。
除此之外,当然还少不了一些宏图伟略的内容。
思科的罗卓克表示,电信服务提供商市场需要的东西是来自两家公司做的最好的东西,但市场希望将其整合在一起。爱立信强大的服务团队拥有66000名员工,交付合在一起的设备是件容易事。另外“无缝无线”也被提到过几次,罗卓克暗示,思科在IP网络和Wi-Fi方面做得很好,而爱立信的广域无线很棒,两家现在可以在上述三种技术的切换方面进行合作。两个CEO的心中也有虚拟化网络和网络功能虚拟化的一席之地,这些可以帮助服务提供商在控制成本的同时激发客户的兴趣。
两位负责人对打造物联网产品和销售部分物联网产品也表现出一定的激情。
要实现合作伙伴关系的所有目标,两家公司需要将研究放在那些互补各自的投资组合的领域,以利两家更好地联合推向市场。
两个老总还慎重地表示会经常举行会议,以确保合作伙伴关系得到CEO层次上的监管。两家公司的销售团队无疑已经在忙着翻看对方的价目表,乐滋滋地想着到2018年预期中将有数十亿美元的进账。
该合作伙伴关系可行吗?两位老总关于即刻行动的观点有些道理:戴尔与EMC曾对记者提起过,他们的交易因为酝酿期太长,对手利用这一年的大部分时间,就合并后公司如何整合产品或服务的重新安排传播恐惧、不确定和怀疑言论。Vesterberg和罗卓克并无两家公司合作的细节,但其答案或许会很快出现,原因是无需像阿尔卡特和诺基亚网络或戴尔与EMC的合作形式那样纠缠法律细节,因而步子会快些。
在技术方面,思科和爱立信的重叠还真不少。这可能不是个大问题,因为在今天发布的合作伙伴关系里,主旨似乎是要确保顾客从两家公司获得的设备放在一起可以很好地运行。如果两家公司可以达到合作伙伴关系的预期目标,或许可以帮助两家公司对付快速增长的华为或合并后的AlcaNok。如果达不到的话也不碍事,不就是个合作伙伴关系嘛。
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。