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
CloudBees首席执行官Anuj Kapur表示,AI可能重新测试DevOps的基础假设,但警告不要为追求效率而创建黑盒代码。他指出,一些因担心错失机会而匆忙采用AI生成代码的客户正开始放缓步伐,变得更加谨慎。Kapur认为,将整代软件外包给提示工程将创建非人类生成的黑盒代码,虽然效率高但质量、测试覆盖率和漏洞问题值得担忧。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
数据网络安全公司Rubrik宣布收购AI初创公司Predibase,交易金额在1-5亿美元之间。Predibase专注于帮助企业训练和微调开源AI模型。此次收购将使Rubrik用户能够通过Amazon Bedrock、Azure OpenAI和Google Agentspace等平台加速构建AI智能体。这是继Salesforce、Snowflake等公司之后,又一家通过收购来增强AI智能体技术栈的企业。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。