至顶网网络与安全频道 09月03日 编译:根据IDC全球WLAN市场季度追踪报告显示,2020年第二季度(2Q20)WLAN市场同比增长7.1%。其中,企业级细分市场收入同比下滑9.5%,收入为14亿美元。
第二季度的结果反映了COVID-19大流行对企业WLAN市场所带来的影响。随着新冠病毒的继续传播,很多国家地区的政府实施了隔离和封锁措施,这对企业WLAN市场构成了不利因素。2020年上半年与去年同期相比,企业级WLAN基础设施收入下滑了6.1%。
企业WLAN市场的一大动力是Wi-Fi 6标准,也就是802.11ax。在整个企业市场中,支持Wi-Fi 6的从属接入点(AP)占收入的28.9%,高于上个季度的21.8%,这也表明,企业市场已经大量采用了最新的WLAN标准。Wi-Fi 6出货量占比16.8%,高于上一季度的11.8%。Wi-Fi 5标准(802.11ac)仍然占从属AP出货量和收入的大多数份额,分别为75.6%和69.4%。企业WLAN市场的整体出货量比去年同期减少了6.4%。
同时,第二季度消费级WLAN市场同比增长20.3%,其中802.11ac产品出货量和收入占比分别为60.2%和73.7%。802.11ax出货量和收入占比分别为3.6%和9.5%,这表明Wi-Fi 6在消费市场中的普及较为缓慢。支持较旧802.11n标准的AP仍占出货量的36.2%和收入的16.8%。
IDC网络基础设施高级研究分析师Brandon Butler表示:“为了应对COVID-19大爆发,全球各地的企业组织被迫迅速调整运营模式,导致一些企业组织暂停了对WLAN设备的投资,但是无线连接在企业运营新常态中仍然发挥重要的作用。IDC认为,无线网络将仍然是未来几年企业IT采购计划中的一个重要组成部分,从为云应用和通信应用提供连接,到能够发出警报和执行社会疏离规则的方方面面。”
从地区来看,第二季度各个区域WLAN市场表现好坏参半。最强劲的增长来自亚洲,日本同比增长20.8%,中国保持平稳,同比增长0.8%。在不包括日本和中国的亚太地区,同比下降7.6%。此外,澳大利亚下滑13.6%,印度下滑18.7%,台湾增长49.1%。
欧洲各地大多数是下滑的。在西欧,企业市场下滑17.2%,德国下滑15.0%,英国下滑23.8%,法国下滑22.3%,荷兰几乎持平,增长1.0%。中欧和东欧地区下滑11.3%,波兰同比下滑14.4%。中东和非洲市场下滑5.7%,沙特阿拉伯下滑18.7%。在美洲,美国同比下滑11.1%,加拿大下滑14.8%。拉丁美洲市场下滑16.2%,巴西下滑17.3%。
IDC全球网络市场追踪报告研究总监Petr Jirovsky表示:“不同地区的企业WLAN市场表现各不相同,这主要是由于COVID-19大流行所导致的。IDC研究表明,尽管一些企业正在减少WLAN设备的支出,但也有一些企业的投资计划是保持稳定的,甚至还有一些是增加了支出。IDC预测,下半年企业WLAN仍将保持活跃。”
企业WLAN厂商亮点
2020年第二季度思科的企业WLAN收入同比下滑10.9%至6.26亿美元,上半年思科的收入同比减少了8.9%,但思科仍然是该市场份额的领导者,市场份额为44.3%,低于上个季度的45.7%。
HPE-Aruba该季度的收入同比下滑17.1%,市场份额为12.8%。
Ubiquiti企业WLAN收入同比下滑5.0%,市场份额为7.1%,低于上个季度的9.5%。
CommScope(前身是ARRIS/Ruckus)该季度的收入同比下滑22.8%,市场份额为4.9%。
华为的收入同比增长了2.5%,市场份额从上一季度的3.8%增加到这个季度的6.1%。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。