至顶网网络频道 08月02日 编译:近日,思科以6.1亿美元完成对软件定义广域网(SD-WAN)厂商Viptela的收购,进一步加速思科的Network Intuitive的战略计划。
思科企业网络部门产品管理高级副总裁Scott Harrell在博客上表示:“Network Intuitive是一个智能的、高度安全的平台——是由意图和上下文信息提供支撑的,Viptela的解决方案完全符合这一愿景。Viptela团队将加入我们的企业网络工程和销售团队,开始扩展思科在WAN、园区网和分支机构网络方面基于意图的网络愿景。”
6月,思科公布了首席执行官Chuck Robbins所谓的“新网络”——一种基于意图的直观网络系统,可预测行为、阻止安全威胁、持续演化和学习。
Robbins在6月的产品发布会上表示:“我真的相信我们将重新定义未来30年的网络。我在思科工作的20年时间里,我从未像今天我们所做的发布这样对创新感到更加兴奋了……我们正在构建面向未来的网络。”
Network Intuitive涵盖了多项技术,包括Catalyst交换机、更新的IOS软件、以及安全和分析产品。
Harrell表示,在结束对Viptela的收购之后,这家SD-WAN厂商将帮助思科“为网络重新构建硬件和最先进的软件方面改变基本的蓝图”,Viptela符合思科向以软件为中心、以订阅为主导的网络模式的战略发展愿景。
目前有超过75家全球领先的企业和组织已经对思科的Network Intuitive解决方案进行了早期现场测试,其中包括DB Systel GmbH、Jade University of Applied Sciences、NASA、Royal Caribbean Cruises Ltd.、Scentsy、UZ Leuven和Wipro。
Long View Systems是一家位于艾伯塔省卡尔加里的思科合作伙伴公司,该公司业务开发副总裁Kent MacDonald表示,基于订阅的Network Intuitive平台将加速网络操作,加强安全性,更好地为客户实现配置任务自动化。
“这为我们围绕生命周期采用、软件销售和管理服务带来了很多机会。我对Viptela给这个似乎在不断增长和扩展的市场所能带来的表示非常乐观。”
市场研究公司IDC估计,未来4年全球SD-WAN基础设施和服务收入将同比增长70%,到2021年突破80亿美元。
Viptela为多家财富500强企业以及像Verizon这样的运营商提供SD-WAN技术。它的产品包括基于vSmart Cloud的SD-WAN Controller,用于集中管理路由、策略、安全、分段和设备认证;vManage Network Management System,用于集中配置和管理;vEdge路由器。
一些SD-WAN的竞争厂商例如初创公司CloudGenix,表示并不确定思科能否利用好Viptela的技术。CloudGenix公司首席执行官Kumar Ranachandran表示,思科收购Viptela旨在赢得市场份额,并不会给思科SD-WAN战略增加太多价值。
Ramachandran在最近一次的采访中表示:“我知道思科正在把Viptela打造成为以云为先的业务,但现实是,他们的所有解决方案需求,不仅是分支机构的设备,还有本地环境以及云、或者其他什么地方的设备,都是需要对那些跨多个路径最终通向云的流量进行负载均衡的。思科收购Viptela同时做了两件事情,一是让市场明朗化了,二是,让思科的客户感到有些困惑。”
Harrell表示,思科将把Viptela的技术融入到自己倍受欢迎的ISR和ASR路由器中,同时还会加速Viptela的vEdge路由器和SD-WAN解决方案的路线图。
Harrell讲到,“我们正在帮助客户在数字化转型方面取得成功,思科的下一代SD-WAN解决方案将在把这个愿景变成现实的方面发挥关键作用。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。