2018年2月1日,应用交付领导厂商F5公司一年一度的核心媒体沟通会在北京举行。会上,F5中国区总经理张毅强先生、F5大中华区首席技术官吴静涛先生、F5中国区市场总监王学军先生分别从各自专长的领域入手,与媒体来宾分享了F5公司在过去一年中的成长,以及对2018年应用服务行业发展趋势的展望。
深耕细作,稳健增长
在回顾2017年F5中国区成绩时,张毅强先生讲到:“在2017年中,F5中国一直保持了持续、稳健的业务增长。这份亮眼的表现主要源自F5在解决方案、行业市场以及合作伙伴三方面的深耕细作。在解决方案领域,F5自16年末就敏感的把握到云、IOT以及自动化运维的多个商机,并提前布局解决方案的研发,这就使我们能够在第一时间满足用户的需求。在行业方面,F5在过去强势的金融、电信领域持续深挖,在城商行、电信级云应用中均取得了突破。在合作伙伴方面,F5更是取得了长足的发展,尤其是通过与华为、电信云等国内领先企业的合作,使F5能够为国内用户带来更加定制化与灵活的应用服务解决方案。”
数字化转型进行时
从2017年初,F5公司就提出了现在全球企业都在经历数字化转型的概念,这一结论在2017年5月的“应用交付高峰论坛“中,更得到了广大用户与合作伙伴的认可。张毅强先生指出:“在F5看来,数字化转型是众多企业都在致力于通过IT技术、数字化新型技术重新梳理、甚至重新创造企业的架构与业务模式,从而更好地为最终用户提供更有价值的服务。这种转型是技术演进与用户需求互相作用下的结果。举例而言,十一年前iPhone第一代产品问世的时候,恐怕我们很难想象今天用户与应用互动的形式会发生如此大的转变。在今年F5发布‘2018年应用交付现状报告’中,超过3600名亚太区的IT从业人员参与了调查。其中55%的受访者表示由于数字化转型,他们正在考虑重新编排IT架构与交付流程;49%的IT从业人员为应对这一转型,正在将企业的部分应用迁移至跨云环境中。在我国,随着国家对物联网、大数据以及人工智能领域政策性发展指导的颁布,势必对企业数字化转型起到更大的推动作用。而在这些领域,F5已经从应用服务方面准备就绪。”
立足本土,初心不变
在活动中,F5公司大中华区首席技术官吴静涛先生与到场来宾分享了2018年的部分规划。吴静涛先生表示:“数字化转型的大背景下,由于直接与最终用户产生互动,应用服务一定是首当其冲受到挑战。对于技术发展的趋势,F5已经与合作伙伴一道进行了深入分析,并从宏观与微观领域进行了准备。在宏观上,面对物联网、大数据、云计算这样的国家级产业,F5已经从接入管理、应用优化以及应用安全管理等多个角度开发了相应的解决方案。在智能编排、DevOps等微观领域,F5也早已有了一整套面向容器环境、微服务等方面的解决方案。为了更好的服务国内用户,不同于由于税收降低而纷纷回流的其他美国企业,F5将增加在中国‘本土生产、本土研发、本土服务’这三方面的人力、物力投资。这就可以使F5能够更加紧密的和中国合作伙伴进行深入合作,从而为用户提供更符合使用特性的应用服务解决方案。
在会议的最后,张毅强先生着重指出:“F5是一家技术型公司,但不止是一家技术型公司。不同于往年,今年的媒体见面会在红丹丹文化交流中心举办,旨在通过体验视障人士一小时的黑暗生活,使我们在感受他们的坚强同时,能够献出我们每个人的一份爱心。这样的公益活动,F5中国已经坚持了近10年,因为我们相信公益不是一个人做了一件大事,而是很多人在做一件小事。我们希望把这份理念传递给更多志同道合的朋友,使更多人能够在公益事业上贡献一份力所能及的力量。”
好文章,需要你的鼓励
还在为渲染一个3D模型等上几小时吗?还在纠结移动办公就得牺牲性能吗?当AI遇上专业工作站,传统设计流程的游戏规则正在被改写。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。