ZD至顶网网络频道 10月10日 综合消息: 2016年10月9日,中国第一家数据中心SDN解决方案提供商云杉网络(YUNSHAN Networks Inc.)宣布完成B轮融资,由经纬中国领投,北极光和红点跟投。三家创投机构,均为全球企业级IT领域的顶级投资机构,联手云杉网络布局中国SDN市场,显示了资本市场对已进入实质性商业应用阶段的SDN技术的信心。
云杉网络,中国第一支SDN的技术团队,专注于SDN在数据中心网络(Data Center Networking)中的应用(SD-DCN),经历五年技术积淀,云杉网络SDN控制器及方案,已在金融、电信等行业扎实落地客户,深入解决网络中的实际问题。此轮融资后,云杉网络成为中国首个完成B轮融资的SDN企业,其融资主要用于:保持技术领先性;扩大行业及客户覆盖;增强面向企业的服务能力。
SDN黄金时代已来,价值正从硬件转向软件
SDN核心价值是给网络带来了前所未有的“开放可编程”和“细粒度控制”能力,使得大规模高效率的网络管理、复杂网络的精细控制成为现实。
随着企业客户对于SDN认知的不断加深,企业级SDN市场逐步成熟。正如Gartner在报告中指出,SDN已经度过概念阶段,正以迅猛势头加速在数据中心、运营商、企业园区、广域网等领域落地。
其中,虚拟化/控制层(SDN控制器)和SDN应用(包括4-7层网络和安全服务),两大SDN软件市场增长强劲。IDC预计,虚拟化/控制层软件、SDN应用的年复合增长率将分别达64%和66%,2020年市场份额将分别达24亿和35亿美元。反映出SDN的价值将越来越多聚焦在软件层面,意味着提供SDN软件和服务的供应商将越来越受市场欢迎。
国外已涌现了Nicira(VMware收购)、Big Switch(红点创投北美团队投资)、Nuage、PLUMgrid等众多SDN的创业公司,其产品创新应用在网络各个领域中。在中国,云杉网络得到投资机构的青睐,将在资本的助力下,打造中国自主领先的SDN产品和服务。
随“云”而来的痛点频现,SDN成为化解良药
全球处于云计算浪潮中,随着私有云、行业云的规模化建设和生产化运营,网络问题频频出现并且痛点加剧。云杉网络核心产品DeepFlow® SDN控制器,是一套基于x86平台部署的SDN软件,秉承开放和可扩展两大准则,实现了硬件中立、第三方兼容,旨在帮助企业客户在云计算数据中心构建开放、智能的网络服务平台,将SDN开放、灵活、敏捷的价值带给更多用户,帮助更多中国企业落实“降低对设备商的依赖、提升VXLAN转发性能、简化网络服务管理、提升Overlay网络运维效率”等核心诉求。
坚定于网络技术创新的中国力量
对于此轮投资,经纬中国投资董事熊飞表示:“在国外,SDN是底层技术创业最火的领域之一,VMware的SDN产品线三年时间收入到10亿美元,也有数家十亿美金量级的创业公司。云杉网络是国内最好的SDN厂商之一,团队由清华大学、Juniper等最顶级的网络技术人创办,也是中国Pure Play SDN的代表,专注数据中心网络,是非常有梦想的一个团队。”
云杉网络CEO亓亚烜表示:“此次三家全球顶级创投机构对云杉网络的投资,是对我们过去5年努力的肯定,也是对云杉网络在中国SDN领域价值的认可。云杉是一种中国特有的杉树,我们将持续通过创新落实‘技术创造价值’的理念,将云杉网络打造为一家有中国DNA和特色的常青企业。”
目前,云杉网络团队分布在北京、苏州、上海、成都、广州和硅谷等地。未来一年,云杉网络将会把北京、硅谷和苏州打造为三位一体的研发中心,以打造世界级的SDN产品为目标;同时,加强服务体系建设,为多个行业上百家企业级用户提供完善的SDN产品和服务,与客户共同迎接数据中心网络革新。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。