在2016年,随着服务器提供商和企业争相开发相关硬件和软件来提高网络灵活性,SDN部署预计会增加。
根据研究公司HIS最新调查显示,在数据中心首次部署SDN或扩展SDN应用的云计算和通信服务提供商的数量将会从2015年的20%增加到2016年60%。与此同时,企业部署率预计会从6%增加到23%。
也就是说,这些公司将会花费更多钱在SDN部署上。根据HIS调查显示,数据中心和企业LAN内以太网交换机和SDN控制器的收入将会从2015年14亿美元增加到2019年的122亿美元。在后面这个数据中,交换机将占82亿美元,SDN控制器将占40亿美元。
SDN软件市场竞争激烈
在2016年,硬件开支增加将有望受惠传统网络供应商,例如思科、瞻博网络和惠普企业。但软件市场预计将会给其他供应商提供更多机会。
根据HIS表示,预计将有多达45%的服务提供商试图使用开源技术用于编排软件、SDN应用和控制器。而转向虚拟化供应商或第三方获取SDN相关软件的企业数量预计将达到39%。
HIS研究主管Cliff Grossner表示:“对于交换机之外的软件,其他供应商还有很多机会。”
Gartner公司分析师Andrew Lerner表示,如果支持者们可以将主要标准倡议整合到单个平台,开源将会开始腾飞。如果想要与领先的专有SDN框架(例如思科的应用为中心的基础设施以及VMware的NSX)相竞争,供应商们需要移除使用开源技术所存在的障碍。
现在有些供应商可以简化开源技术的使用,包括Red Hat和Mirantis—他们正在围绕OpenStack构建SDN平台,还有Brocade,该公司正在围绕OpenDaylight开发SDN产品。
Lerner称,从最开始就基于开放技术构建的SDN平台可以实现某些SDN的承诺,例如跨平台的可移植性。如果SDN要成为新的网络方式,则需要这种创新,而不只是渐进式的改进。
同时,思科和VMware之间的竞争可能会加剧。在2015年年底,思科领先于VMware,1100名ACI客户与900名NSX用户。但这种局面很容易改变。
Lerner称:“我们看到这两家供应商势均力敌。”
SD-WAN提供投资回报率
在2016年,企业可能通过部署软件定义WAN从SDN部署获得最高的投资回报,因为SD-WAN将流量从昂贵的MPLS连接转移到更便宜的宽带,这显著降低了传输数据的成本。
在2011年,Sno-Isle Libraries部署了Talari Networks公司的SD-WAN设备来虚拟化该机构的WAN—支持着跨美国华盛顿州各地区的21家社区图书馆。
Sno-Isle Libraries利用Talari的技术使用成本较低的消费级宽带来取代其MPLS网络,该机构信息技术经理John Mulhall表示,这每年帮助降低40万美元的成本。
“取代MPLS网络是大胆的举动,”Mulhall称,“但有时,你必须这样做,只是从财务的角度来看。”
截至2015年年底,10000到15000家分支机构在使用SD-WAN,Lerner称:“我估计在2016年这个数字会增加两倍。”
这个火爆的市场将会吸引很多新的初创公司,在2016年这些公司总数可能会达到三十几家。到今年年底,较大型的供应商会开始收购最有前景的新供应商,市场逐渐会整合。
而在整个SDN市场,整合已经开始进行。在2015年,4G LTE供应商Cradlepoint收购了SDN供应商Pertino,惠普公司在拆分为两家公司(惠普企业和惠普公司)之前收购了ConteXtream。随着初创公司失去吸引力以及大型供应商收购创新的初创公司,这种趋势很可能会继续下去。
好文章,需要你的鼓励
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。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。