至顶网网络频道 06月22日 编译:思科本周二公布了首席执行官Chuck Robbins所说的“新网络”——一套直观的网络系统,可预测行动、阻止安全威胁、并持续进化与学习。Robbins表示,这个新的平台将把基于订阅的方法引入其核心网络产品组合。
思科首席执行官Chuck Robbins
Robbins在旧金山举行的一个媒体和分析师会议上表示:“今天,我真的相信我们正在为未来30年重新定义网络。在思科的20年中,我对今天我们所提供的创新比以往任何时候都感到更加兴奋……我们正在构建未来的网络。”
同时,思科发布了一系列围绕Network Intuitive平台的新产品,包括一系列新的Catalyst交换机、更新的面向数字时代的IOS软件、安全以及分析产品。
“这个平台……让我们能够为客户带来更长久的终身价值,”Robbins表示。“两年前,我们的业绩中有19亿美元来自软件和订阅,上个季度,这个数字增长到了45亿美元。最大的问题是,你能把这些带入你的核心吗?今天,我们将订阅模式带入了我们核心的网络产品组合。我们不仅为思科给网络市场所带来的创新感到非常兴奋,而且这让我们可以继续在未来的平台上,为客户提供更多价值。”
据Robbins说,这个新网络是思科多年的研发成果,今天那些管理着数百台设备的网络工程师,到了2020年预计将要管理100万台,在这个背景下,思科的新网络将重新定义网络。
思科的方法创造了一个直观的系统,不断学习、适应、自动化和保护,以优化网络运营,防御今天不断变化的威胁形态。
思科高级副总裁、网络和安全总经理David Goeckeler在声明中称:“思科Encrypted Traffic Analytics解决了此前被认为无法解决的网络安全挑战。ETA采用思科的Talos网络智能来检测已知的攻击特征,即使在加密的流量中,也能帮助在确保安全性的同时,保持隐私。”
Geockeler还说,思科新的面向Intuitive Networkk的IOS操作系统是为数字时代重建的,“我们新的IOS是开放的,是API驱动的,是可编程的,是模块化的,允许我们可以将其扩展到API世界中实现互连。这将在未来30年推动意向驱动的网络。”
此外,思科还推出了全新系列的交换机,针对数字时代全新设计的,集中于满足移动、云、物联网和安全的需求。新的思科Catalyst 9000系列提供了出色的安全性、可编程性和性能,在硬件(ASIC)和软件(IOS XE)层实现了创新。
Robbins表示,思科现在正在让软件订阅模式成为其旗舰校园交换机产品组合的一个重要元素。当采购新的Catalyst 9000系列交换机时,客户将通过思科ONE软件套件,或者单点组件,以订阅的方式访问DNA软件功能。
据称,思科的Digital Network Architecture (DNA)为Intuitive Network提供了支撑。思科新的DNA Center是一个直观的、集中管理的仪表板,为IT团队提供了一个基于意图的方案,涵盖设计、配置、策略和保障。
此外,思科还推出了一系列新的DNA服务,采用了很多最佳实践和创新工具。渠道合作伙伴还可以转售这些服务,打造融合软件、安全、自动化和分析的网络方案。
同时,思科还发布了新的DevNet DNA Developer Center,利用资源帮助开发者和IT专业人士创建网络支撑的应用,并将其与他们的IT系统和工作流进行整合。这其中包括新的学习任务、沙箱和开发人员支持资源,以使用API和打造技能。
思科表示,现在已经有75家领先的全球企业和组织开始早期试用这些下一代网络解决方案,其中包括DB Systel GmbH、Jade University of Applied Sciences、NASA、Royal Caribbean Cruises Ltd.、Scentsy、UZ Leuven和Wipro。
现在,合作伙伴可以订购Catalyst 9300和9500系列,Catalyst 9400系列将在下个月供货。而DNA Center将在8月开始供货,加密流量分析功能也将在9月提供。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。