根据IDC最新的一项预测,全球软件定义网络市场——包括物理网络基础设施、虚拟化/控制软件、SDN应用(包括网络和安全服务)以及专业服务——从2014年到2020年之间的年复合增长率(CAGR)为53.9%,到2020年规模将达到125亿美元。
软件定义网络正在持续获得市场吸引力,它作为一个创新的架构模式,可以在云提供商以及企业网络上实现对数据中心自动配置、网络虚拟化和网络可编程性。尽管SDN最初是专注于超大规模数据中心和大规模云服务提供商的,但是在跨广泛垂直市场越来越多的企业数据中心内获得了采用。的确,SDN提供了敏捷性、灵活性以及可编程性,与IDC面向IT的第三平台紧密契合,特别是针对公有云和私有云。
但是到2020年物理网络(包括数据中心交换机)仍然是占比最大的SDN细分市场,增幅最大的两个软件类别——虚拟化/控制层以及SDN应用——总价值将达到59美元。IDC预计虚拟化/控制层软件市场到2020年将达到24亿美元,在预测期内的年复合增长率将达到64%。SDN应用——包括Layer 4-7网络和安全服务及分析——预计到2020年将实现66%的年复合增长率,届时收入规模将超过35亿美元。
“云计算和第三平台推动着市场对SDN的需求,同时也代表着一个到2020年规模超过125亿美元的市场。毫无疑问,SDN的价值将越来越多地累积到网络虚拟化软件和SDN应用,包括虚拟化网络和安全服务。大型企业现在意识到了数据中心内SDN的价值,但是最终,他们还将意识到跨WAN到分支结构再到园区网络的应用能力,”IDC网络基础设施副总裁Rohit Mehra这样表示。
“虽然网络硬件仍将在网络基础设施中占有显著位置,但是SDN代表着从网络业界从硬件转向软件的长期价值转移。对于厂商来说,这将预示着向基于软件和基于服务的业务模式的转移,而且对于企业客户来说,这将意味着对于IT来说一个更有协同力的方法,更多地以业务为主导地了解网络如何实现应用交付,”IDC数据中心网络研究总监Brad Casemore这样表示。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。