应用性能公司Riverbed日前宣布推出Riverbed®SteelFusion™新型云及虚拟部署方案,为客户提供更多选择和灵活性。SteelFusion是领先的软件定义边缘解决方案,帮助企业集中管理分散于远程办公室及分支机构的IT基础设施。同时集中管理数据中心、云或混合环境的运营工作。从而优化管理、提高安全性和灵活性并获得更高的成本效益。
新型云及虚拟部署方案包括:
Riverbed公司高级副总裁兼SteelHead和SteelFusion业务总经理Paul O’Farrell指出:“我们非常高兴能够提供SteelFusion新型云及虚拟方案,为客户提供在当今混合IT环境下,在边缘部署和管理业务时所需的灵活性。企业目前可以在任何私有云、公共云或混合云中集中管理应用、数据、基础设施和IT服务,并能够随时随地、安全地在边缘为用户提供性能优化。通过这一独特的软件定义边缘方案,Riverbed可将边缘IT转型,集中管理运营,提高信息安全性,并最大限度地提升远程员工的生产力。”
此次发布延续了今年三月份SteelFusion的发布,创建基于云的数据存储——通过微软StorSimple支持Azure,通过AWS存储网关支持亚马逊网络服务——可远程增加容量和备份。今天,SteelFusion进一步扩展了其云集成方案,并支持IBM云这样的企业云平台。
IBM副总裁兼新兴技术与高级创新CTO Mac Devine提到:“IBM和Riverbed公司有着长期的成功合作经验,共同为我们的客户提供灵活的、易于管理的IT基础设施。我们很高兴能够利用Riverbed的技术,帮助我们的客户优化远程办公室和分支机构在云环境中的IT运营。SteelFusion和IBM云企业平台的结合,还可以帮助我们共同的客户将混合云生态系统延伸到分支机构,帮助客户在云中编排一个软件定义边缘方案用来提高边缘地区的灵活性和安全性,并节约成本。”
为进一步提高SteelFusion的灵活性,Avnet计划提供一个全面集成的系统,帮助解决方案提供商和他们的客户获得软件定义边缘方案,满足远程站点的特殊部署需求。
Avnet技术方案公司数据和网络副总裁Cheryl Neal表示:“与Riverbed合作推出Virtual SteelFusion Edge解决方案以后,Avnet可以帮助合作伙伴满足其客户在边缘地点的业务需求和基础设施需求。通过该款产品,合作伙伴能够为其客户在行业标准服务器上创建定制的软件定义边缘解决方案。同时,合作伙伴还可利用Avnet的解决方案专家和经验丰富的集成服务团队,为其客户提供完整的可即时部署的解决方案。
Riverbed® SteelFusion™为分布式企业提供前所未有的简便性、灵活性、数据安全和业务连续性。SteelFusion是软件定义的边缘解决方案,将最佳的虚拟化和智能存储缓存以及业界领先的广域网优化集成为一个超融合的基础设施解决方案,既满足了企业低运营成本、高安全性和业务快速及灵活性的需求,又满足了分支机构员工对简化工作的高性能应用的需求。
SteelFusion是唯一解决了边缘IT所面临挑战的超融合基础设施解决方案:
上个月,Riverbed于纽约召开了Riverbed Disrupt大会,这是一场由众多高端客户和影响力人物参与的顶级盛会,会中充分展示了SteelFusion的功能特点,并就企业在云时代向数字化服务转型中的重大网络转型问题进行了深入探讨。更多信息,请访问www.riverbed.com。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。