近日,国际数据公司(IDC)发布的《中国交换机市场跟踪报告,2020Q4》显示,紫光股份旗下新华三集团在2020年凭借37.3%的市场份额,稳居互联网行业交换机市场份额第一位。据IDC统计数据显示,新华三交换机2018-2020已连续三年在互联网行业份额第一,彰显了新华三交换机在互联网行业的领军地位。
伴随互联网行业发展的交换机领军企业
在中国主流的交换机供应商中,新华三集团是为数不多,拥有二十年交换机技术研发与经验沉淀的企业。从2001年开始,随着中国OTT产业的大规模发展以及中国云计算的崛起,新华三全程参与了中国互联网的鼎盛发展期,并在多个时间节点发挥了关键的引领作用。如今,新华三交换机已为互联网行业用户提供了可靠的联接支撑。
自从2008年新华三集团发布了国内第一款面向数据中心领域的核心交换机S12500, 到2020年,新华三携手以太网测试和测量行业的领导者思博伦通信,完成了业界首个基于SRv6性能的大规模400G测试,充分证明了新华三的交换机产品在业界的领先优势和市场地位。
新华三集团的交换机产品在互联网行业的应用一直在业内遥遥领先,已经成功应用于国内多家互联网厂商。目前,腾讯现网使用了超过500台新华三S12500数据中心交换机,以及超过2万台新华三接入交换机,稳定支撑在线用户的并发访问;百度现网正广泛使用新华三S12500X、S9800、S6800、CR16000核心路由器等数据中心系列产品;新华三伴随阿里数据中心从千兆接入模型、到万兆接入模型、到万兆SDN模型、到25G接入模型的一步步演进,网络设备能够经受超大规模组网的考验。
智能联接理念下新华三交换机的三大硬核实力
面向未来数字化变革趋势,智能、融合、极简、可信、超宽是智能联接网络必须具备的五个核心要素。其中,智能是基础,融合是趋势,极简是目标,可信是保障,超宽是实现。基于此,在云智时代,智能联接能够为行业用户提供更多更先进的网络技术,成就用户价值,迎接数字化变革。
以智能联接理念为牵引,新华三交换机展现出三大优势:一是提供智能内生能力,H3C SeerBlade拥有智能网络下的超高算力,为打造新一代融合智能的数据中心网络提供平台;二是提供400G超宽能力,H3C S12500R基于业界领先的400G平台,单槽最大支持48端口400G转发性能;三是提供多业务融合能力,H3C园区交换机具备融合AC、SDN、PON、融合安全等多业务融合能力。
400G筑起云智时代的超宽网络基石
随着5G大幕的徐徐升起,400G+SRv6正成为5G承载网的首选技术,新华三集团的交换机依托领先的400G超宽能力,开始推动中国以太网建设迈入全新的400G时代。实际早在2016年,新华三就已开启400G核心交换机的研发规划,而今S12500系列已作为400G核心交换机家族中的旗舰代表,凭借卓越性能表现领跑于全球数据通信行业。经过不断优化功能与产品布局,目前新华三已推出完备的数据中心400G产品序列,在网端口2020年更突破了10000个,满足互联网行业不同规模数据中心的组网需求。
以融至简,厚积薄发。新华三集团已在400G产品和技术领域耕耘多年,如今新华三400G核心交换机正为互联网行业构筑起强大的智能联接底座。未来,基于“云智原生”战略和“数字大脑2021”,新华三将持续推进智能联接的技术革新与应用落地,共绘数字世界底层网络新架构、新蓝图,缔造产业互联网的全新价值。
好文章,需要你的鼓励
IDC数据显示,Arm架构服务器出货量预计2025年将增长70%,但仅占全球总出货量的21.1%,远低于Arm公司年底达到50%市场份额的目标。大规模机架配置系统如英伟达DGX GB200 NVL72等AI处理设备推动了Arm服务器需求。2025年第一季度全球服务器市场达到创纪录的952亿美元,同比增长134.1%。IDC将全年预测上调至3660亿美元,增长44.6%。配备GPU的AI服务器预计增长46.7%,占市场价值近半。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
AI正在重塑创业公司的构建方式,这是自云计算出现以来最重大的变革。January Ventures联合创始人Jennifer Neundorfer将在TechCrunch All Stage活动中分享AI时代的新规则,涵盖从创意验证、产品开发到团队架构和市场策略的各个方面。作为专注于B2B早期投资的风投合伙人,她将为各阶段创业者提供关键洞察。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。