2015年,企业寻求以更好的方式交付应用和数据,从而满足业务需要,令员工能够随时随地以自己的方式工作,因而灵活性成为关键驱动力。今年做为一个过渡期,许多企业机构开始摆脱传统架构的束缚,转而寻求节省成本、运维高效的新架构。最重要的是获得竞争优势。据Gartner数据显示,目前有高达70%的企业已转向云,并将其运维转型为混合型企业。
为预测明年将出现哪些趋势,首先,重要的一点是研究2015年发生了哪些事情,从而藉此预测路向何方。
SD-WAN即将到来
SaaS应用日益兴起,IP电话和视频等应用刺激了难以满足的带宽需求。在这种情况下,传统广域网方法再也无法满足企业需求。
作为回应,今年SD-WAN应运而生,它更加有助于应用在混合网络和混合云间安全且高质量地实现交付,同时降低了成本,提高了速度,简化了管理。
虽然SD-WAN的发展仍处于早期阶段,但是2015年越来越多的组织机构开始评估SD-WAN技术——Riverbed最近完成的一项调查显示,近1/3的企业正“研究或部署SD-WAN”。
传统网络更多依赖硬件组件,而软件交付应用的方法则提供了更灵敏地响应业务需求的方式。
因此,‘应用定义的’网络方法将如同业务关键应用一样变得至关重要——那些支持日常工作的应用——需要根据重要程度对流量进行优先排序。
因此IT采用完整的可视化、优化和控制解决方案,以便发展成为软件定义的企业,软件驱动的方法交付应用才是王道,即SD-WAN才是发展方向。
瞄向网络边缘
在传统IT经历剧变的过程中,数据中心首当其冲。比如在澳大利亚,据Frost&Sullivan研究,主机托管服务占到数据中心服务总体市场的69%。该市场今年的增长率将超过18%,主要是由亚马逊和微软等大型云提供商驱动实现的。
了解了数据中心战略后,2016年,企业和组织机构关注的焦点将转向他们的远程站点和分支机构。
根据Riverbed的另外一项调查,平均每家企业的大型数据中心都运行着55个远程分支机构,而且几乎一半的员工工作在这些站点以外——他们是每家企业最关键要素。2016年,CIO开始将注意力转向边缘,旨在推动实现与数据中心相同的安全性、无故障运行时间和业务持续性。
该调查发现一个组织机构50%的数据存放在远程站点——2016年,企业将致力于集中管理各分支机构的信息,使其不仅能够对全部数据进行适当的分析,而且可以通过掌握更多信息做出更有针对性的业务决策。
由于分支机构硬件故障造成的影响,不知道会有多少分支机构仍然依靠磁带备份,浪费了多少时间,丢掉了多少业务。
应对复杂度
当一个企业的拓扑超越了本地数据中心的传统范围时,网络复杂度也会随之呈现指数增长。
此外,员工所拥有的移动设备越来越高级,实现对网络和应用的控制将成为头等大事。
与此同时,网络复杂度也像滚雪球一样越来越大,IT的作用也越来越重要。现在,IT是为满足业务需求而设。除以上趋势外,CMO不久将比CIO对IT的投入更多,这意味着大量的影子IT应用——其中一些应用对业务有很大的潜在影响——将持续涌向企业。
那么,什么才是化解复杂性的有力武器呢?
三个字:可视化。
对SaaS应用的所有组件实现可视化,可以辨别出任何潜在的故障——无论是来自组织机构还是第三方基础设施——都能帮助IT完全控制关键业务负载的交付方式。
此外,更深层次的可视化赋予CIO对应用性能和用户体验更有意义的量化指标。这使得IT成为企业的核心组件,而不只是一个成本中心,同时帮助在IT和企业其他部门之间构建更多的信任。
当今企业中,应用是业务的命脉。2016年,随着控制分布式网络的需求开始涌现,自动化、智能、编排与可视化等技术将无处不在。
每年,当我们努力预测未来12个月内能够站稳脚跟的技术时,回顾近期企业变化的趋势至关重要。我们身处越来越动态的行业中,无法置身事外,然而如果转型技术不负众望,那么我们首先需要掌控它们,以免它们仅停留在市场宣传的层面。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。