应用性能公司Riverbed日前震撼推出一系列软件定义解决方案,旨在加速云优先及数字化转型战略,这已成为当今数字时代企业成功的关键因素。
数字化转型正在推动着各行各业的变革,同时由于云和移动技术的普及,也正在加快数字化转型成为企业战略的核心。尽管如此,仍然有许多企业还在使用传统网络架构,还没有符合数字化网络和应用的基础设施,这将会使数字化转型举措搁浅。尽管IDC预测数字化转型将每年增长,到2019年将实现2.1万亿美元,但实际上,60%的数字化转型举措会因缺少战略性架构到2017[1]年将无法继续实施。此外,云和终端用户的移动性正在创造混合IT模式,使管理复杂,维护成本增高,这还包括大多数员工所在的分支机构和客户访问和购买商品的地点。
为应对这些挑战,Riverbed 发布了全新方案,帮助企业实现从传统硬件向新型软件定义的云网络方式转型,改善终端用户体验,促进企业数字化转型举措的全面实施。此次Riverbed推出的产品包括:Riverbed Cloud-Ready Branch,一款软件定义的云就绪方案,提供IT所需的部署和管理所有分支机构的简单、灵活、可扩展的方案;SteelCentralSaaS,结合SteelCentral Aternity,可提供不同设备之间云及非云、及新型终端用户体验管理的全面可视化;以及新款云和虚拟化版本 的SteelFusion。
Riverbed 主席兼CEOJerry M. Kennelly表示:“Riverbed在几年前就 预见到 网络和应用基础设施转型的必要性,并在公司内部或通过收购进行了战略技术投资, 同时深入与领先云及服务提供商的合作,促进我们应用性能平台的发展,满足当今数字化企业的需求。现在,我们在软件定义时代带来了软件定义架构,并将基础设施扩 大和深入到云以及所有终端用户。这些解决方案将为我们的客户,同时为Riverbed和我们的合作伙伴创造更大的市场机会。”
IDC的Bob Parker也谈到, “Riverbed 率先提供了战略性的软件定义架构, 实现现有网络、性能监测以及边缘IT基础设施的现代化。企业只有采用一种更全面的方法才能以理想的速度进行创新和发展,并按所需规模提供数字服务;同时保持自己的核心业务和关键任务运行的安全和盈利。”
微软Azure网络企业副总裁YousefKhalidi指出:“今天的企业正在继续借助混合云的优势, 在成本不断节约、 速度不断加快以及规模效应中获利,同时又可以灵活地将工作负载在公共云与私有云之间调度。企业必须拥有这种灵活性,才能够从云服务和数字转型中获利。Riverbed 持续创新,通过提供应用定义和软件定义解决方案,实现云时代的智能网络。”
Riverbed为数字化转型推出软件定义方案
Riverbed 今天发布的新型解决方案扩展了RiverbedApplication Performance PlatformTM(应用性能平台),提供了企业在云时代和数字时代取得成功所需的灵活性、可视化与性能。通过利用这个平台,企业能够提供应用和数据,能够通过任何网络向所有终端提供各种公共云、私有云或混合云服务。
Riverbed科技与市场领先地位
此次发布延续了 Riverbed在市场上的发展态势,此前,Riverbed于2016年1月收购了SD-WAN(软件定义广域网)解决方案领先提供商Ocedo公司,7月收购了终端用户体验(EUE)和应用性能监测方案提供商Aternity公司。通过自身发展和战略性收购,Riverbed拓展了与全球最大的云服务企业和云服务提供商的关系,拓展了强大的渠道和合作伙伴生态系统。Riverbed 同时提升了自身技术和市场领导地位,为客户带来面向21世纪及未来网络架构的根本性转变。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。