作者:Scott Harrell,思科全球高级副总裁、企业网络事业部总经理
二十多年来,企业运行网络的方式几乎没有任何变化。但在最近,这种传统的网络运行方式变得越来越困难、互不关联且非常昂贵。现代网络需要实现更高的集成度,并具备更高的灵活性。
为此,我们在一年前启动了思科史上最为雄心勃勃的对网络的重新思考:我们推出了基于意图的网络产品组合思科全数字化网络架构(DNA)、及其核心控制软件DNA中心。通过将有线、无线和广域网设备视作统一架构的一部分,我们为IT提供了一种更简单便捷、更经济高效的方式来控制其企业最具价值的资产,即网络基础设施。
DNA中心使得网络运营商能够在其整个网络中,对业务需求和安全威胁进行快速响应。这意味着他们不必依赖于耗时的手动工作流来对基础设施的每一部分进行变更。
最近,思科推出了DNA状态感知(DNA Assurance),它能够针对网络上发生的一切事情、以及之前发生的事情,提供极高可视性和深入洞察。当有问题需要解决时,它能支持网络管理员及时回溯,确切地查看用户或设备遇到问题时具体发生了什么。这使得故障排除与修复与现在相比能够实现不可思议的高速度,并且更具前瞻性、能够先发制人。
现在,DNA中心是一个开放平台
现在,思科正面向开发人员开放网络架构本身。DNA中心的全新开放平台功能意味着,思科合作伙伴和客户可以使用它所提供的各种功能强大的全网自动化和保障工具。通过将网络转变为可编程平台,他们将更高效、更安全地运行IT和业务应用,为其员工和客户提供更出色的体验,并从网络收集的数据中挖掘最大价值。
全新网络平台的第一个用途将出现在IT应用领域。IT服务管理系统ServiceNow已经集成到DNA中心,可在DNA中心检测到网络问题时自动开单,并提供丰富洞察。其后,ServiceNow可批准DNA中心执行修复步骤。DNA中心和ServiceNow结合使用,能比单独的系统更快、更准确地完成相关问题的处理。
思科合作伙伴正在为诸如软件映像更新(埃森哲)、电源管理(Presidio)、物理安全(Italtel Netwrapper)、第三方设备供应(HCL)以及其他IT解决方案等工作创建服务。
思科基于意图的网络平台构建在DNA中心之上。
它使客户和合作伙伴无需直接对设备进行编程,即可开发以网络为中心的应用。
随着更多客户了解到DNA中心的功能,其适用性将会扩展到业务线应用领域。例如,全新平台功能将呈现网络设备的位置数据,这可用于显着改进物流工作。在医疗领域,人员和设备的位置数据可用于拯救生命。
欢迎更多创新想法
思科很自豪能够向我们的客户开放这一丰富且宝贵的资源。但是基于意图的网络仍处于演进的初期阶段,我们希望帮助人们了解(并创造出)新的方法,使他们的资产能够更好地为其企业服务。思科DevNet计划便是专为这一目的而创建。目前该计划已经汇聚了50万名开发人员,我们将会不断增加资源来帮助每个人成长。思科自己的服务部门也在竭力帮助业务领导充分利用这一全新的DNA中心平台。
DNA中心的全新平台功能基于一种灵活的架构,能够通过其控制功能和数据,帮助企业建立全新的工作流程。我们无法预测到人们将会在此基础上进行的所有创新。但思科一些早期合作伙伴所做的事情,已经让我们感到无比震撼。
DNA中心是思科迄今为止最雄心勃勃、最灵活的平台。它体现了思科30年来对网络中所有领域的深入了解,与客户和合作伙伴之间建立的所有丰富关系,以及我们的工程师对于网络近期发展趋势的愿景。我们希望,它能够为您带来重要价值。
好文章,需要你的鼓励
亚马逊云服务与谷歌云宣布合作推出多云网络连接服务,允许客户在几分钟内建立两个平台间的私有高带宽连接,而非耗时数周自建连接。该服务旨在满足企业对可靠云连接的需求,防止类似上月AWS和微软Azure大规模宕机事件再次发生。新服务结合AWS互连多云服务与谷歌跨云互连产品,现已在部分AWS区域预览上线。
这项研究开发了CaptionQA系统,通过测试AI生成的图片描述能否支持实际任务来评估其真正价值。研究发现即使最先进的AI模型在图片描述实用性方面也存在显著不足,描述质量比直接看图时下降9%-40%。研究涵盖自然、文档、电商、机器人四个领域,为AI技术的实用性评估提供了新标准。
AV Linux和MX Moksha是专为音频和音乐制作优化的Linux发行版。最新发布的AV Linux 25基于MX Linux 25,搭载Enlightenment 0.27.1桌面环境,包含Ardour DAW、OBS Studio等专业音频工具,占用约11GB存储空间。MX Moksha 25使用Moksha桌面(Enlightenment 17分支),更加轻量化,仅需8GB空间,运行时内存占用不足500MB,适合寻求轻量级发行版的用户。
以色列理工学院研究团队提出了一种将专家混合模型融入YOLOv9目标检测的创新方法。该方法让多个专门化的YOLOv9-T专家分工协作,通过智能路由器动态选择最适合的专家处理不同类型图像。实验显示,在COCO数据集上平均精度提升超过10%,在VisDrone数据集上提升近30%,证明了"分工合作"比单一模型更有效,为AI视觉系统提供了新思路。