IT领域从来没有停止过创新的步伐,网络领域也不例外,今天我们就来预测下推动网络创新的五大引擎,当然严格地说,这并不是预测,因为它们正在实实在在地发生。
SD-WAN
SD-WAN炙手可热,除了SD-WAN初创公司,包括传统WAN优化厂商、网络设备厂商、电信运营商等诸多巨头进入这一市场。因为SD-WAN解决了企业市场Internet不稳定,而MPLS VPN价格昂贵的问题,所以它也备受企业用户青睐。
根据IDC市场预测,到2021年全球SD-WAN市场规模将达到80.5亿美元,年增长率69.6%。
在过去的2017年,Comcast、Windstream、AT&T、CenturyLink和中国电信等企业都推出了SD-WAN产品。另外,思科和VMware在2017年进行了两笔针对SD-WAN的大规模收购,思科收购了Viptella,VMware收购了VeloCloud,这也让这两家IT巨头之间的竞争更为激烈了。此外,Riverbed收购了Xirrus和Aerohive,并在2017年底发布了SD-WAN产品。
人工智能与机器学习
2018年也许是主流厂商的人工智能和机器学习战略开始取得成果的一年。目前,厂商们知道人工智能和机器学习是自动化网络运营、提高效率和成本效益的关键。与SD-WAN一样,2017年我们将看到有多家主流厂商开始利用人工智能。HPE子公司Aruba将利用人工智能来更好地保护网络。Juniper Networks收购Cyphort也是因为同样的目的。思科通过收购Perpica和MindMeld加大对人工智能和机器学习的投入力度,发布了新的机器学习和人工智能支撑的服务,包括Spark Assistant。
此外,人工智能的应用也是网络安全行业技术发展的一个方向,不少国内外网络安全公司(国内如亚信安全、360等)展开对机器学习、深度学习等人工智能技术在网络安全领域的研究、探索和实践,例如进行恶意文件检测、应用识别、异常行为分析等。2017年,人工智能安全公司Darktrace融资7500万美元,估值已经增长到8.25亿美元。
基于意图的网络(IBNS)
Gartner大约从2016年开始关注IBNS(Intent-Based Networking System,基于意图的网络系统),《Innovation Insight: Intent-Based Networking Systems, Gartner, Feb 7, 2017》定义IBNS必须具备以下四种能力:转译和验证,自动部署,网络状态的察觉,精确诊断以及动态的优化和补救。
IBNS有何不同?传统的网络依赖人类输入具体的策略执行命令。在IBN中,人类将不必直接输入策略命令,而转为输入期望达到的“业务意图”。例如某网络负责人希望web 集群内新上架的一台服务器对外提供HTTPS 协议服务(意图)。系统感知到这台服务器的IP 为x.x.x.x,且自动将这个意图转译为“配置ACL仅允许外界对IP x.x.x.x 的访问通过端口443 进行”(执行)。下发之后,通过实际流量验证网络状态是否符合该意图。
思科在发布Network Intuitive平台的时候,首席执行官Chuck Robbins表示,思科将“重新定义未来30年的网络”。这个基于意图的系统可以预测行为、停止安全威胁、并不断发展和学习。
通过这次发布,思科将基于意图的网络推向主流。很多网络初创公司例如Apstra和Forward Networks都围绕基于意图的网络进行投入,旨在通过改善网络可用性和敏捷性的软件自动化网络基础设施和服务的生命周期。基于意图的解决方案结合了软件定义网络、机器学习和其他创新技术,使其更易于设计和运营网络。国内厂商云杉网络也基于IBN进行了诸多探索和实践。
软件定义网络
软件定义网络(SDN)似乎有点老生常谈,但它仍然是推动着网络行业的创新引擎。IDC估计,SDN市场的规模到2021年将达到140亿美元,复合年增长率为25%。
作为SDN的市场领导者,思科推出4年时间的ACI现在拥有4000多家客户。思科在2017年推出了ACI 3.0,带有新的接口、增强的安全性和Kubernetes支持。思科还表示,ACI 3.0将扩展到公有云领域,让ACI能够部署在AWS、Google Cloud Platform以及微软Azure上。在SDN领域与思科争夺领导地位的是VMware NSX网络虚拟化平台,目前该平台拥有大约3000家客户。VMware在去年年初发布了NSX 6.3,增强了扩展能力,相比上一代版本显着提升了在多租户环境中的性能。
物联网
物联网设备的爆炸式增长将形成巨大的市场,并将推动一系列网络技术创新。根据市场分析公司IDC的一份报告,2018年全球物联网整体支出将达到7720亿美元。
整个2017年,厂商们都在通过收购分析、接入和运营技术安全初创公司,积极打造他们的物联网能力。与此同时,更大型的厂商一直在向互联汽车领域推进,把具有信息娱乐系统和网络安全能力的初创公司纳入他们的愿望清单中。去年3月,在互联汽车领域发生了两大重磅收购,英特尔以150亿美元收购Mobileye,三星以80亿美元收购Harman。
此外,随着越来越多的企业采用物联网应用,边缘计算应用在边缘设备层面处理和分析数据的场景将在2018年变得更加普遍。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。