至顶网网络与安全频道 06月22日 综合消息:慧与公司旗下的Aruba近日推出业内首款 AI 驱动的云原生平台 Aruba ESP(边缘服务平台),该平台建立在 AIOps、零信任网络安全和统一架构基础上,提供跨网域数据的持续性分析、跟踪 SLA,识别异常情况并进行自动优化的平台,同时监控网络上的未知设备以确保设备安全。Aruba ESP旨在为网络边缘提供云体验,可作为云服务或本地服务使用,也可由Aruba合作伙伴提供托管服务,抑或通过HPE GreenLake获取相应服务。此外,Aruba还提供了 HPE 金融服务,客户根据自身预算和运营要求灵活购买该服务平台。
科技领域近20 年的重点是提供无处不在的移动性,之后逐渐转向基于云的应用程序。如今则步入了由计算和现代网络支持的,由物联网、人工智能和自动化驱动的数据化时代。因此,企业在网络边缘会生成大量的非结构化数据,要将这些实时数据分析转化为有意义的行动,关键是要在人、设备和万物连接到网络的起点——也就是我们所说的“边缘”——对这些数据进行分析和处理。
Aruba ESP三大“硬核”,驾驭未来智能边缘
利用边缘的非结构化数据需要通过网络遥测技术、利用人工智能,以远超人类能力范围的速率和体量对这些数据进行处理。这需要一种由AI驱动的具有“第六感”的基础设施,以提前识别潜在问题,精准制定解决方案,并实施自动化的操作,整个过程无需人工干预。Aruba ESP提供了一个本地或云端的单一云原生平台,基于以下核心原则对企业网络给予全面的保护并对基础设施进行统一管理:
发布会上,Aruba 总裁及联合创始人 Keerti Melkote表示:“智能边缘是一种催化剂,为那些将技术投资作为最要资产,并且希望以此加速转型和确保业务连续性的组织与企业创造了无限可能。可以说,Aruba ESP是Aruba多年技术创新的结晶。同时,来自客户的中肯反馈和建议帮助我们将它打造成为一个更加完美的智能的网络方案。”
Aruba ESP 背后的创新“黑科技”
Aruba ESP 是目前业界可扩展性最高的全栈云原生平台,适用于有线网络、无线网络和 SD-WAN 环境,整合多种网络元素以实现集中管理和控制。Aruba ESP 基于Aruba 的基础架构进行了优化,采用开放标准,可与第三方的解决方案与服务进行集成。这些重大创新还包括:
詹姆斯·库克大学的高级基础架构工程师 Ron Gardner 说:“我们的大规模网络跨多个校区和学习中心,这些区域运行着性能要求十分严格的应用程序,以保证师生和研究人员的互通互联与高效工作。Aruba Central 和 ArubaOS 的增强功能可在简化网络运维的同时减少设备占地面积,并从云端管理大型校园网络和分布式位置,最终,我们能够在问题干扰网络正常运行之前主动发现并解决它们。”
休斯顿大学信息技术网络管理员 Brandon Stratton 表示:“鉴于基础设施的规模和边缘产生的海量数据,我们需要一种可以对网络进行自动识别、修复和微调的方案。Aruba 基于人工智能的专业解决方案,比如 NetInsight,带来更实用的方法,帮助我们进行分析并根据此采取行动。”
据悉,为了满足组织快速变化的业务和技术需求,Aruba 增加了采购的可选方案,包括通过 Aruba 的 HPE GreenLake获得服务,通过 HPE 金融服务购买具有灵活采购方案的 Aruba ESP等举措。例如,客户只需在合同生效后的8 个月内每月支付合同总价值的 1%,即可获得相应的技术方案,剩余的 超过90% 的费用可推迟到 2021 年支付。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。