根据IDC全球以太网交换机和路由器季度追踪报告显示,2021年第一季度全球以太网交换机市场收入达到67亿美元,同比增长7.6%。与此同时,全球企业和服务提供商(SP)路由器市场收入达到34亿美元,同比增长14.4%。
以太网交换机市场亮点
从地区来看,2021年第一季度以太网交换机市场在全球范围内的结果喜忧参半。其中,亚太市场季度表现强劲,中国市场收入同比增长19.8%,日本增长23.5%,其他不包括中国和日本的亚太地区市场增长7.2%,其中韩国增长17.9%。在欧洲地区,西欧增长16.7%,德国增长14.3%。中欧和东欧下滑7.8%。中东和非洲同比下滑3.7%。在美洲,美国同比增长2.5%,加拿大下滑11.8%,拉丁美洲增长2.5%。
IDC数据中心和多云网络研究副总裁Brad Casemore表示:“尽管存在地区差异,但第一季度的总体增长,反映了一种乐观情绪,即与2020年相比2021年全球以太网交换机市场会表现更为强劲。作为表面上的常态和可预测性的回报,企业将对园区和数据中心网络进行再投资。同时,云服务提供商包括超大规模企业将继续实现增长,并频繁升级他们的数据中心网络,采用高带宽交换技术,以满足企业和消费者对云服务不断增长的需求。”
最高速的交换机平台是推动以太网交换机市场增长一大动力。例如,100Gb交换机的端口出货量同比增长了16.9%,收入增长27.2%,市场收入份额为24.5%。25Gb/50Gb交换机也展现出亮眼的增长,其中收入增长28.0%,端口出货量增长21.0%。
同时,作为市场中更为成熟的一部分,低速交换机的结果喜忧参半。10Gb端口出货量同比增长了18.1%,但收入下滑0.4%,收入份额为23.3%。1Gb交换机的端口出货量同比增长了12.2%,但收入下滑2.4%,收入份额为35.0%。该季度IDC以太网交换机追踪报告新增了几个细分市场,包括200Gb/400Gb和2.5Gb/5Gb,这两个新的细分市场预计未来几个季度会有快速的增长。
在数据中心和非数据中心细分市场的强劲推动下,2021年第一季度以太网交换机总端口出货量增长了15.4%,其中数据中心以太网交换机市场收入增长了10.2%,端口出货量占比13.0%,市场收入占比43.1%。而非数据中心交换机所占份额更高一些,端口出货量占比为87.0%,市场收入占比为56.9%,收入同比增长5.8%。
路由器市场亮点
2021年第一季度全球企业和服务提供商路由器市场同比增长14.4%,其中主要的通信SP细分市场收入占比为77.5%,增长18.0%,企业细分市场增长3.7%。从地区来看,亚太地区(不包括日本和中国)的服务提供商和企业路由器市场总体增长了27.8%。其中,日本下滑2.6%,中国下滑0.8%。西欧地区,收入同比增长19.9%,中欧和东欧增长18.1%,中东和非洲增长11.0%。在美国,企业细分市场下滑5.4%,而通信服务提供商细分市场显著增长了38.7%,使得总体市场增幅达到25.7%。拉美地区增长4.6%。
厂商要点
思科在该季度的以太网交换机总收入和增长3.4%,市场分为49.3%。其中,高速以太网交换机(25Gb/50Gb、100Gb和200Gb/400Gb)方面,思科以40.9%的收入份额成为市场领导者。企业和服务提供商路由器收入同比增长18.5%,其中企业路由器收入下滑1.3%,服务提供商路由器收入增长33.2%,综合市场份额合计为37.6%。
该季度华为以太网交换机收入同比增长了1.7%,市场份额达到7.9%。企业和服务提供商路由器总收入同比增长1.5%,市场份额达到25.5%。
Arista Networks以太网交换机同比收入增长了28.6%,市场份额为7.9%。100Gb收入占比为71.4%,反映了该公司在云提供商市场的长期存在。
HPE以太网交换机收入同比增长了6.3%,市场份额达到6.0%。
Juniper以太网交换机收入同比减少14.8%,使得市场份额降至2.6%。企业和服务提供商路由器总销售额增长了21.1%,使其在路由器市场的总体份额达到11.1%。
IDC网络市场追踪报告研究总监Petr Jirovsky指出:“不同地区的以太网交换机和路由市场结果参差不齐,这表明不同地区从新冠疫情中复苏的状况是不同的。关键领域的强劲增长尤其是最高速的以太网交换机预示着2021年将持续转好,各种规模的企业组织都专注于投资技术以推动连接的未来。”
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。