提供安全、人工智能驱动的网络领导厂商瞻博网络(NYSE:JNPR)宣布与Zenlayer (www.zenlayer.cn) 深化合作伙伴关系,帮助其进行数据中心网络升级,助力该全球化的边缘云服务提供商实现快速业务增长,更好地践行其通过软件定义平台为全球提供快速网络连接和杰出数字用户体验的愿景。
Zenlayer是全球领先的边缘云服务提供商,企业可通过Zenlayer的平台在用户附近部署应用程序并改善其数字体验。Zenlayer在全球6大洲180多个节点提供边缘计算、网络以及应用程序和动态加速的服务。从业务增长的维度长远来看,无论从用户数量还是企业营收等方面,新兴市场的快速崛起为出海企业带来了前所未有的机遇,Zenlayer通过深耕并精细化运营东南亚、南美、俄罗斯、中东和北非等地区业务和资源,为出海用户扩张全球业务提供了稳定、安全及可持续发展的保障。
为了在快速发展的同时确保业务的可持续扩展性,Zenlayer要求对其全球网络基础设施进行大规模扩建和升级,从而满足游戏和视频流等行业对于低延迟服务日益增长的需求,同时加快在基于意图的网络等新兴领域的研发。多年以来,作为Zenlayer主要的网络供应商之一,瞻博网络与Zenlayer已经建立起了长期的合作伙伴关系,而本次的升级计划,旨在进一步帮助Zenlayer在全网范围内引入敏捷、自动化和人工智能驱动的技术创新。
新闻亮点
• Zenlayer的初始升级阶段部署Juniper Networks® MX系列通用路由平台作为主干路由器;
• Juniper Networks®的其他多种平台(QFX系列数据中心交换机和SRX系列下一代防火墙)也被部署在Zenlayer网络中;
• 分段路由流量工程(SR-TE)被用于规划流量,提供流量工程的全功能支持和瞻博网络解决方案多协议标签交换,这对于满足Zenlayer的容量需求极为关键;
• 领先的遥测(Telemetry)能力、更好的路由和转发表支持、更强大的访问控制表和物理接口设备资源解决了Zenlayer主要的前瞻性扩展需求;
• 瞻博网络强大的自动化能力也让Zenlayer可以继续探索在其网络中采用更加敏捷、自动化和人工智能驱动型创新的可能性。
相关引言
“Zenlayer此次能够成功的对全球网络基础设施进行大规模扩建和升级,得益于瞻博网络强大的硬件及技术支持,使我们能够降低网络的传输延迟,从而使我们能够为客户提供更优质的服务;Zenlayer能够在短短6年建立起优秀的口碑并积累了大量知名的客户,离不开与合作伙伴的紧密合作。瞻博网络的产品在保持了高性能和高可靠性同时还提供了丰富的路由特性和强大的自动化能力,为Zenlayer的业务开展和敏捷运营提供了坚实的基础。能够与瞻博网络建立更深化的合作关系,相信对我们双方的未来发展是双赢的结果。”——Zenlayer Platform & Engineering副总裁Ansan Chen
“在当今以上云为先的网络世界里,市场越来越需要更强大、快速和顺畅的全球互联能力。短短几年的时间里,Zenlayer已经快速成长为全球领先的边缘云服务提供商,这一杰出的市场表现足以成为他们以客户需求为中心,不断提升全球用户数字体验的有力背书。我们很高兴与Zenlayer共享这一技术愿景,并可以帮助Zenlayer延续增长势头 — 尤其是通过部署瞻博网络下一代分段路由流量工程,同时加入我们自动化和人工智能驱动的能力协助。”——瞻博网络副总裁及中国区总经理林小平
好文章,需要你的鼓励
检索增强生成(RAG)正成为AI领域的关键技术,通过结合外部信息检索与大语言模型的生成能力,解决传统模型仅依赖训练数据的局限性。RAG允许模型实时访问外部数据库或文档,提供更准确、更新的信息。该技术可应用于企业文档查询、个人化AI助手等场景,通过向模型提供特定领域知识来获得精准结果。微软专家指出,RAG有助于结合知识与推理、提高模型使用效率,并支持多模态应用。
加州大学伯克利分校研究团队开发出革命性的R2R2R系统,仅需智能手机拍摄和一段演示视频,就能自动生成大量机器人训练数据。该系统绕过了传统昂贵的远程操作和复杂物理仿真,通过3D重建和智能轨迹生成技术,让机器人训练效率提升27倍,成本大幅降低,有望让高质量机器人技能变得像安装手机应用一样普及。
AI数据平台iMerit认为企业级AI工具集成的下一步不是更多数据,而是更好的数据。该公司正式推出学者计划,旨在建立专家团队来微调生成式AI模型。与Scale AI的高吞吐量方法不同,iMerit专注于专家主导的高质量数据标注,需要深度人工判断和领域专业监督。公司目前与超过4000名学者合作,客户包括三家大型生成式AI公司、八家顶级自动驾驶公司等。
腾讯优图实验室提出AnoGen方法,仅用3张异常图片就能训练出高精度工业检测AI。该方法通过扩散模型学习异常特征并生成大量逼真样本,在MVTec数据集上将检测精度提升5.8%,为解决工业异常检测中样本稀缺问题提供了突破性方案。