至顶网网络频道 07月31日 编译:软件定义广域网(SD-WAN)解决方案仅仅商业化了几年时间,但是这项技术越来越苛刻的企业网络需求能力却日益显著增长。根据IDC的预测,全球SD-WAN基础设施和服务收入的复合年增长率将达到69.6%,到2021年将达到80.5亿美元。
未来5年SD-WAN增长的最重要的动力就是数字转型(DX),在这个过程中,企业部署包括云、大数据和分析、移动、社交业务在内的第三平台技术,以开拓新的创新来源和创造力,增强客户体验和提高财务绩效。数字转型通常会增加网络工作负载,并将网络端到端的重要性提升到业务运营层面。
另外一个推动SD-WAN增长的动力就是基于公有云的软件即服务(SaaS)应用的持续壮大。企业应用采用SaaS的普及,打破了向分支机构接入基于MPLS的WAN的突出地位。SD-WAN正在越来越多地被用于在一种基于策略的、集中管理的分布式网络架构中,提供动态接入优化以及路径选择。
最后,SD-WAN的增长将获益于企业上下对软件定义网络(SDN)更广泛的接受和采用。随着虚拟化、云管理和SDN持续在企业网络中的持续发展,SD-WAN将从这种转变中受益,并且获得越来越多的关注。
IDC网络基础设施副总裁Rohit Mehra表示:“SD-WAN在搜索问题方面并不是解决方案。传统的WAN并不是针对云架构的,也不太适合与分布式和积雨云的应用相关的安全要求。而且,混合WAN的出现满足了某些下一代接入性所带来的挑战,但是SD-WAN构建在混合WAN上,提供了更为完整的解决方案。”
SD-WAN利用混合WAN,但是包括了集中的、基于应用的策略控制器;针对应用和网络可见性的分析;一个安全软件层,用于抽象底层网络;一个可选的SD-WAN转发器(路由能力)。这些技术加起来,提供了覆盖WAN链路的智能路径选择,基于在控制器上定义的应用策略。
SD-WAN的好处包括具有成本效益地交付业务应用,满足现代分支机构/远程站点不断变化的操作要求,优化软件即服务和基于云的服务例如UC&C,在自动化过程中改善分支IT效率。这些好处已经在企业IT和服务提供商的范围内得到了共鸣,确保这种新方法在WAN架构中的广泛采用。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。