至顶网网络频道 06月21日 综合消息:今日思科宣布推出基于意图的新一代网络解决方案,这是企业网络领域具有颠覆性的创新成果,充分展示了思科的愿景。思科致力于打造一个能够预测行动、阻止安全威胁路径、持续自我演进和自我学习的新一代系统,从而帮助企业在联接性不断增强、分布式技术持续演进的时代中,创造全新机遇并解决之前未能解决的挑战。
如今网络工程师们正管理着数百台设备,预计到2020年他们将管理一百万台设备。基于这样的时代背景,思科推出的新一代网络作为思科多年来研发工作的智慧结晶,将面向未来重塑网络新时代。
思科首席执行官罗卓克表示:“网络对于企业的成功正扮演着前所未有的重要角色,但同时网络也面临着前所未遇的压力与挑战。通过构建思科定义的新一代网络,我们正在为当今时代打造一个具有无与伦比安全性的智能平台,同时也在创造一个面向未来的智能平台使其能推动企业繁荣发展并为全世界的人们和组织带来全新机遇。”
当前企业正在通过传统的IT流程管理其网络,但传统流程在新时代将难以为继。思科致力于打造新一代系统,它将具备持续的自我学习、自我调整、自动化和自我保护功能,以优化网络运营并抵御不断演进的网络威胁。
思科全球高级副总裁、网络与安全事业部总经理David Goeckeler表示:“思科的加密流量分析解决了一项以前被视为无法解决的网络安全挑战。ETA正在使用思科Talos团队提供的网络情报来检测已知攻击签名,加密流量中的已知攻击签名亦可被检测出来,这能够帮助客户在确保安全性的同时有效保护隐私。”
鉴于全球绝大多数的互联网流量均在思科的网络上传输,思科在抓取和分析价值极高的数据方面具备独一无二的优势,思科可为IT人员提供深刻洞察,在保护隐私的前提下发现异常行为并实时预测问题。通过在网络边缘实现自动化功能,并在底层嵌入机器学习和分析能力,思科正在使以前无法管理的信息变得井然有序,同时让IT能够专注于战略性业务的需求。
全球已有75家领先企业和组织正率先试用思科的新一代网络解决方案,其中包括德国联邦铁路子公司DB Systel GmbH、雅德应用科技大学(Jade University of Applied Sciences)、美国国家航空航天局(NASA)、皇家加勒比海邮轮有限公司(Royal Caribbean Cruises Ltd.)、森斯蒂斯(Scentsy)、UZ Leuven和印度威普罗有限公司(Wipro)等。
博学万事尽通,洞悉为您所用
借助全新方法,思科正在凭借重新设计的硬件与最为先进的软件改变网络蓝图。这一从以硬件为中心的网络向软件驱动网络的转变,将助力客户在敏捷性、效率和性能方面实现巨大飞跃。新一代网络是一个智能且高度安全的平台,真正做到“博学万事尽通,洞悉为您所用”:
赋能新网络的领先科技
思科全数字化网络架构(DNA)为客户提供了广泛的创新硬件和软件产品组合,从而推动全新网络时代的到来。思科推出了一整套思科全数字化网络架构技术与服务,能够作为一个系统协同运行,支持客户快速开展运营:
上市信息
支持引言:
埃森哲
埃森哲生态系统与合资企业高级常务董事元敬龙(Gene Reznik)表示:“随着大型组织和政府机构朝着全数字化方向迈进,他们的网络基础设施面临着巨大的压力,需要能够进行扩展、保障安全并为全数字化业务服务提供可靠支持。与思科协手,埃森哲正在助力客户通过采用以应用为中心的动态安全网络,加速其全数字化转型之旅。”
德国联邦铁路子公司DB Systel GmbH
德国联邦铁路子公司DB Systel GmbH网络架构师Sebastian Meissner表示:“交通运输业正在经历一次巨变。借助思科的软件定义访问,我们能够在一个可靠的视图中整合全国所有的办事处,并应用一致的策略。”
美国国家航空航天局
美国国家航空航天局解决方案架构师Eric Latta表示:“思科Catalyst 9000充分满足甚至超越了美国国家航空航天局对于安全和网络隔离的关键任务的要求,并提供了两倍的性能。”
皇家加勒比海邮轮有限公司
皇家加勒比海邮轮有限公司首席信息官Michael Giresi表示:“从技术角度来看,我们的邮轮就像是一个小型城市。思科基于意图的网络将全面改变我们的IT人员远程安全地配置全球邮轮的方式。”
森斯蒂斯
森斯蒂斯公司网络架构师Kevin Tompkins表示:“思科的软件定义访问能够实现网络细分工作自动化,并将其深入到用户级,这对于打造优质的IT体验至关重要。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。