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
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。