应用性能基础设施企业Riverbed公司日前宣布收购德国Ocedo公司,这是一家SDN(软件定义网络)与SD-WAN(软件定义广域网)解决方案的领先供应商。Riverbed下一代软件定义网络解决方案可为当今的混合型企业提供最佳应用性能和业务灵敏性,本次收购进一步加快了其交付该解决方案的战略。收购私营公司Ocedo将扩展并加速Riverbed为客户交付最佳SD-WAN解决方案的能力,同时为Riverbed及其合作伙伴带来巨大的全新发展机遇。
Riverbed总裁兼CEO Jerry M. Kennelly谈到:“Riverbed此次收购Ocedo颇具战略意义,引起外界广泛关注。其创新软件定义网络解决方案完美补充了我们在研发上的战略投资,拓展了我们积极投身SDN及SD-WAN新兴市场竞争的定位,颠覆了市值达数十亿美元的分支机构路由器市场。十年来,该产业经历了最重大变革,云和混合IT环境对网络连接有着不同的需求,Riverbed致力于帮助企业获得以应用为导向、软件定义的更新更优越网络架构的优势。”
SD-WAN解决方案优化并简化了混合WAN的部署和管理方式,帮助IT更灵敏更轻松地实现本地或公共云中快速且安全的应用交付。SD-WAN市场有望在近年内迅速发展。Gartner预测,“到2019年,30%的企业将在其所有分支机构使用SD-WAN产品,而今天这一数字还不到1%,显然将会大幅增长。”(源自Gartner研究机构Bjarne Munch于2015年12月1日针对软件定义WAN发表的市场指南)
Ocedo是软件定义网络的先驱者,已研发了先进的软件定义分支机构网络解决方案,其产品组合包括安全网关、无线接入点及交换机,以及集成式云管理系统,该系统可实现零接触配置,并对远程设备和网络服务实现集中控制。
“收购Ocedo是一次改变游戏规则的创举,它迅速使Riverbed居于软件定义网络与SD-WAN解决方案领导者行列,”ZK研究机构Zeus Kerravala指出,“叠加Riverbed业界领先的应用性能基础设施产品组合,又恰逢企业寻求部署下一代网络之关键时期,此举巩固了Riverbed作为创新性高性能网络软件解决方案之可信赖供应商的地位。”
Riverbed为软件定义网络提供以应用为导向的独特方法,为分布式企业边缘提供快速且灵敏的应用交付能力。此外,Riverbed还提供全面的应用性能平台,交付端到端可视化、优化及控制,助力企业实现软件定义网络解决方案的全部优势。
Riverbed于2015年秋季发布“老虎计划”,计划为市场推出以应用为导向的SD-WAN解决方案的全新套件,消除对传统分支机构路由器的需求,提供基于云的零接触配置与管理。本次收购将进一步助推该计划,并将依托全新软件操作平台,为Riverbed自身及其第三方服务和应用实现灵敏服务链。Riverbed计划于2016年第一季度推出首个SD-WAN解决方案,从而补充并拓展Riverbed应用性能平台。
除创新技术外,Ocedo还为Riverbed带来了经验丰富的领导团队和技术人才。Ocedo的创业团队在网络行业拥有数十年经验,他们曾经联合创立了网络安全公司Astaro,该公司于2011年被Sophos收购。
Ocedo CEO Jan Hichert说到,“我们非常高兴加入Riverbed团队,和我们一样,他们满怀激情,致力于在今天的云、移动和混合环境中交付最佳网络解决方案,从而改变市场现状。我相信Ocedo的技术将在Riverbed的引领下蒸蒸日上,我们将协力同心,坚持不懈地创新并研发解决方案,旨在改变现代企业中应用交付的方式。”
本次交易于2016年1月19日完成。该交易的财务条款尚未公布。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。