我们看到,目前很多企业在做IT架构升级时都会把目光投向新技术领域,如SDN、云,以及虚拟化等等。但在利用这些新技术同时,大部分企业往往比较谨慎,会先评估以往业务与新IT架构之间能否实现高效联动。这也是很多新技术,如SDN没有迅速在企业中没有得到普遍部署的一个重要原因。
瞻博网络公司大中国区总裁林小平为论坛致辞
在近期召开的瞻博网络创新论坛上,瞻博网络大中国区技术总监王栋认为,“在目前企业部署SDN的过程中,明确需求、寻找痛点远比SDN技术本身更为重要,而最了解需求、痛点和用例的非自身莫属,即便是最亲密的合作伙伴,也不可能准确洞悉企业的需求。”
就目前SDN市场的发展来看,呈现出厂商积极推动、用户被动响应的一种局面。对此,王栋也表示,“如果用户不能总结自己的业务痛点,那么在开源系统下供应商可以知道用户的问题,就有能力帮助用户解决;但是如果既不能对供应商开放系统,又不能发现自己的问题,事情就比较难解决。”因此,王栋建议企业应该自觉主动地行动起来,定义自身用例,让合作伙伴更好地提供方案,而不是简单的去要求产业提供成熟的解决方案。
而出于对上述原因的考虑,要想推动SDN尽快在企业中得到部署,这就又回到了我们最初的目的:SDN是否能解决目前企业业务中所存在的种种问题?所以,要部署SDN,首先要找准业务痛点。
王栋表示,“瞻博网络的产品涵盖路由器、交换机和防火墙等,具有100多种功能,但是很多客户可能只使用了其中几个个功能,没有完全调动起来盒子潜力。而网络应用需求层出不穷,很难一次性解决所有问题,瞻博网络认为70%-80%的用例可以通过供应商的SDN平台予以解决,但是20%的东西需要供应商与用户共同定义。”
王栋还表示,瞻博网络的产品涵盖路由器、交换机和防火墙等,具有100多种功能,但是很多客户可能只使用了其中几个个功能,没有完全调动起来盒子潜力。而网络应用需求层出不穷,很难一次性解决所有问题,瞻博网络认为70%-80%的用例可以通过供应商的SDN平台予以解决,但是20%的东西需要供应商与用户共同定义。
因此,瞻博网络认为,对业务的二次开发也非常重要。出于这种考虑,王栋也表示,“瞻博网络期待与客户在网络设备基础上进行DevOps做好二次开发和编程的相关工作,以在充分调动网络设施潜能的同时更加充分地满足用户需求。”
从全球形势来看,目前国外尤其是北美市场的DevOps进展较快,已经出现了很多实际案例。对此,瞻博网络亚太区资深产品总监马绍文表示,从瞻博网络自身来看,作为供应商最重要的是尽量遵循国际标准,支持各种各样的开放标准,满足不同用户对于业务编排的需要。
从这方面来看,瞻博网络对此已经在全球范围内积累了很多成功经验,在国内为OTT和运营商提供了很多定制化的解决方案。瞻博网络全球工程院院士伍昌鸿表示,“下一步将在美国的研发人员与中国的客户之间搭建一个平台,邀请美国的顶级专家与中国客户进行知识和经验的分享,将DevOps的实战经验引入国内。同时,瞻博网络目前还在与众多合作伙伴沟通,以获得更多的DevOps技能。”
而谈到创新,瞻博网络也有自己的独到思路,伍昌鸿表示,“我们会从合作伙伴、客户那里学到很多新的DevOps技能,并把这些好的思想、方法应用到瞻博网络的路由器等产品中,更好地服务客户。从技术的角度看,像BIER Multicast、EVPN等是当前的技术热点。我们会通过这些新技术的使用,改进和优化客户的网络,帮助它们增强核心竞争力。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。