ZD至顶网网络频道 12月09日 国际消息: 全球消费级和企业级无限局域网(WLAN)市场在2015年第三季度同比增长2.1%。根据IDC公布的全球WLAN季度追踪报告的结果显示,企业板块的增幅从前两个季度的低个位数增幅有小幅反弹,相比去年同期增长了4.3%。不过,这样乏力的增长只是2014年市场增幅的一半,甚至比上一年还要慢。与之前几年相比,目前年度增幅的放缓是受到两个因素的影响:全球经济短期不稳定因素导致WLAN新项目受阻,以及Wave 2 802.11ac的市场预期问题。
此外,802.11ac标准继续朝着快速采用的方向前进,在独立访问点出货量以及独立访问点收入方面分别占到了57%和72.7%的份额,这个速度比几年前从802.11a/b/g转向802.11n的速度明显要快得多。对企业WLAN需求的增长将继续是这个过渡的推动因素,尤其是新的企业移动使用实例正在被采用,IoT应用步入主流。
与此同时,消费WLAN市场收入比上个季度增长了16.2%,不过相比上个季度有小幅下滑(0.4%)。802.11ac标准在消费市场的采用,一直要明显低于企业板块。目前802.11ac标准在出货量和收入方面所占份额分别为15.3%和36%。
“2015年第三季度的增幅要弱于2014年及之前,但是从2015年第二季度我们看到的情况相比,仍然代表着很积极的趋势,”IDC网络基础设施研究分析师Nolan Greene表示。“802.11ac仍然是主流,因为它的覆盖面越来越大,但是这可能会被企业等待第二波产品的心态所抵消,这一波产品才刚开始出货。另外一个就是在美国的E级资金问题,目前正在处理中,对2015年第三季度的市场有所提振,这对于2015年第四季度来说是一个积极的风向标。”
从地理角度看,亚太地区(不包括日本)的企业级WLAN市场再一次表现出最强劲的增长,在2015年第三季度同比增长了14%。在这个地区,中国增长了19.8%,印度大幅增长48.4%,韩国增长11.2%。另一方面,澳大利亚下滑6.2%,香港下滑9.5%。北美同比增长4.9%,这主要是受益于第一季度美国K12教育E级资金流。欧洲、中东和非洲(EMEA)地区在该季度表现参差不齐。西欧同比增长2.3%,中欧和东欧下滑13.3%,中东和非洲下滑了5.4%。拉丁美洲下滑了2.7%,日本则表现持平。
“区域性的企业WLAN增长在2015年第三季度有明显不同,”全球网络季度追踪报告研究经历Petr Jirovsky这样表示。“像EMEA这样的地区仍然可以看到疲软的表现,这与除日本之外的亚太地区以及北美的增长形成鲜明对比。”
- 2015年第三季度思科的企业WLAN收入同比增长3.5%,略高于上个季度的2.8%,但是要低于市场的整体水平。该季度思科的全球市场份额为48%,低于2014年第三季度的48.3%。IDC认为Meraki云管理WLAN产品组合仍然是思科主要的增长动力之一。
- 惠普(惠普和Aruba,但不包括OEM业务)在2015年第三季度的表现超过了整体市场,同比增长11.8%,环比增长8.5%。该季度惠普的市场份额是17.4%,高于2015年第二季度的17.1%和2014年第三季度的16.2%。
- Ruckus在2015年第三季度表现抢眼,同比增长16%,环比增长7.6%。Ruckus目前在整体市场中占比7%,高于2014年第三季度的6.3%。
- Aerohive在2015年第三季度实现反弹,同比增长14.1%,环比增长13.2%,主要受益于在K-12教育垂直领域的强大定位,使得它在美国E级资金开支中占有更多的份额。
好文章,需要你的鼓励
Panzura在其Symphony数据管理平台中新增了访问控制列表分析和自动修复功能。该平台专门处理EB级非结构化数据集,具备扫描、分层、迁移和合规分析等功能。Panzura声称58%的企业受到权限扩散问题影响,74%的数据泄露涉及特权凭证滥用。新版本重点解决权限继承中断、过度授权访问和合规盲点等问题,提供完整的文件系统权限可视性和快速问题解决能力。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
Arista Networks宣布收购博通旗下VeloCloud SD-WAN业务,交易金额约10亿美元。VeloCloud是SD-WAN领域先驱企业,拥有集成安全功能的云管理SD-WAN解决方案。此次收购填补了Arista在分支机构连接方面的空白,使其能够提供端到端网络解决方案。同时,前思科高管Todd Nightingale加入担任总裁兼首席运营官,将助力公司拓展更广泛的客户群体。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。