至顶网网络频道 05月31日 综合消息:2019年5月30日电信中立网络服务提供商第一线集团(DYXnet Group)宣布与VMware携手合作推出崭新的软件定义广域网(SD-WAN)服务。
通过此次合作,第一线集团将成为首批在大中华区推出VMware SD-WAN by VeloCloud的服务提供商。
本次合作进一步丰富第一线集团的服务组合,为企业提供高性价比、运营商级别的网络解决方案,协助企业从更高的稳定性、灵活性、安全性、可管理性及简易性中获益。
第一线集团行政总裁柯文达表示:“我们的SD-WAN解决方案为客户提供非凡的用户体验,同时有助降低客户的网络成本高达50%。”
第一线集团香港总部已率先于今年4月中正式发布SD-WAN服务,接着是台湾,现在是中国大陆。
中国信通院产业与规划研究所副主任胡海波于北京的媒体交流会上表示:“从第一线集团明确跨境业务开始到配合SD-WAN服务标准起草单位的制定工作,我们认为第一线集团在配合市场规范相关工作及在整个行业标准化方面做出积极的作用。”
根据国际数据咨询公司IDC在2017-2021 的SD-WAN报告中预测*,全球SD-WAN基础设施和服务收入将从2016年起以69.6%的复合年增长率(CARG)增长,预计到2021年将达到80.5亿美元以上的总值。
选用SD-WAN服务将有助企业有效应对IT问题所带来的挑战,例如数字化转型,软件即服务(SaaS)更大规模的部署、云端应用程序、物联网概念、网络技术的多样性、分支机构的复杂性及人力资源的移动化需求。
结合高稳定性及更简易的网络管理,第一线集团的SD-WAN解决方案为客户提供高质量的企业广域网(WAN),帮助企业轻松应对以上种种挑战。事实上,SD-WAN的单一管理平台可同时进行配置、监控及解决疑难。此外,企业还能从SD-WAN解决方案的零接触部署、应用程序性能及提高带宽使用率中受益。
第一线集团拥有20年的丰富经验,助力本地、跨地域及全球企业构建运营商级别的多协议标签交换(Multiprotocol Label Switching,MPLS)专用网络,同时配备50个的网络节点(Points-of-Presence, PoPs),将会是企业的不二之选。
柯文达补充:“过去两年中,我们通过无数详尽的产品测试,持续改善产品质量以及收集包括电信运营商,全球企业和本地上市公司客户的试用意见,来寻求潜在的SD-WAN技术合作伙伴。现在我们很高兴地向大家报告,VMware SD-WAN by VeloCloud®将我们的运营商级别网络提升到了一个不同凡响的水平。而且,在我们正式推出这项服务之前,已经有超过10家知名企业客户选用了第一线集团作为他们的SD-WAN服务提供商,我们对此感到非常荣幸。”
他补充:“我们坚信SD-WAN行业现正处于萌芽阶段,与2018年的SD-WAN收入相比,预计第一线集团在未来三到五年内的收入将增长12倍。”这位科技企业资深管理人解释了第一线集团丰富的多协议标签交换网络管理经验如何与VMware SD-WAN by VeloCloud® 最先进的技术相结合,提供零接触部署和中央配置两项技术特色。该解决方案还提供灵活的混合广域网(WAN)设计,可与多协议标签交换(MPLS)、宽带和4G/5G移动网络等连接。
VMware大中华区软件定义数据中心(SDDC)团队销售总监叶逾健表示:“VMware SD-WAN by VeloCloud 为客户提供了高灵活性、高可靠性和高安全性的服务。我们很高兴与第一线集团合作,他们的SD-WAN解决方案使客户能够以更安全和更具成本效益的方式支持云计算以及其他应用程序的使用增长,同时提高网络灵活性并简化分支网络。”
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。