云计算的普及对很多IT技术带来不小影响,DDI就是其中之一。DDI(DNS、DHCP和IPAM的统称)是网络正常运行所需要的基本服务,是伴随着网络成长起来的一个细分市场。近些年来,随着云计算的普及,DDI技术和部署模式正在发生变化,从以本地部署为主向混合云部署迁移,相应地,“分布式”、“云原生”也成为很多DDI解决方案的重点。
日前,Infoblox 对外发布了新的战略——Infoblox 3.0,其中“云优先”被确定为Infoblox的核心战略。在DDI市场,成立于1999年的Infoblox拥有1.2万客户,具有很高知名度。Infoblox市场战略的变化折射出的也正是DDI技术的演进,而这变化的原因则是网络的不断发展,使得以“让企业更加简单、安全地管理其不断发展中的网络”为宗旨的Infoblox做出这些变化。
Infoblox的三大战略
“今天的Infoblox要聚焦的三大战略,通过这三大战略让我们更好地帮助客户完成向云的迁移。” Infoblox亚太区域首席安全官Alvin Rodrigues在接受记者采访时表示。

Infoblox亚太区域首席安全官Alvin Rodrigues
Alvin Rodrigues提到的Infoblox的三大战略中第一个战略是多云战略,即通过支持多云来帮助客户提高IT运营效率。第二大战略是实现运营工作的精益化,从而让企业能够满足自己的业务需求,而无需担心技术是否能跟上。第三大战略是为客户提供具有高度伸缩性、灵活性和可定制化的“网络安全即服务”。
“新冠疫情加速了企业的数字化转型步伐,让更多应用向云中迁移,尤其是办公等协同应用向云环境迁移,这就对DDI提出了新的需求,使得对多云的支持也成为必须。” Alvin Rodrigues说。
基于此,Infoblox在产品和技术上做出相应变化,DDI解决方案同时支持传统本地部署、云上部署、私有云和公有云混合部署,以充分满足用户的各种不同部署需求。
Alvin Rodrigues表示,在满足客户需求时还要确保无论哪种部署方式都能给用户一致的体验,这是Infoblox需要面对的挑战,为此Infoblox对DDI解决方案提出了四个要求。Infoblox认为只有符合了以下四个要求的DDI解决方案才能确保给用户一致的体验:首先方案必须非常简单,客户能够轻松地使用它。其次,必须是稳定可靠,使用的过程不会因为一些突发状况(比如突然断网),导致不可用。第三,需要有充分的可扩展能力,也就是规模可大可小。最后必须是安全。
Alvin Rodrigues介绍说,这四个要求看似简单,其实要都符合并不容易。比如,目前客户的主流IT环境已经从传统的集中数据中心转变为分布式环境,而DDI要支持分布式环境必须做到三点:第一是可视,对整个环境能够了解,不管是本地还是在云端;第二是控制,不管是集中化和分布式都能很好地管控;第三是安全。
“目前,我们看到大部分的企业环境,在这三者上都做得不太够,还有很大的改进空间。”Alvin Rodrigues说。
三大战略如何落地
那么,针对Infoblox公司的三大战略如何落地呢?
Alvin Rodrigues介绍说,在多云战略方面,Infoblox通过DDI(DNS、DHCP和IPAM)来帮助客户实现集中化的管控,同时也支持通过API接口和市场上其他厂商云的解决方案实现集成。此外,Infoblox还能够帮助客户实现多云环境的全资产发现,不管是在分支机构还是在虚拟环境或者是本地环境或者云环境之下,都能够快速发现资产,并且生成资产报告用于审计。
在开发运维简化方面是通过自动化实现。以自动化实现客户全环境资产的发现,同时,通过IPAM、DHCP分配的自动化实现网络效率和可视性的提高,以更好地满足企业业务需求。
在可扩展性方面,Infoblox给客户交付的是一个云原生的平台,支持通过CI/CD和微服务架构来确保弹性、云友好以及云就绪。
“所有这一切的目标都是为了获得整个网络的可视性,实现在统一的管理面板上就可以看到整个网络环境中的所有设备,并能通过工作流程的自动化来简化运维,让客户能够以简单的方式对自己的环境进行管控。这个管理平台是透明、无缝、可靠、可伸缩的,能够伴随着自己业务的发展而发展,并且是安全的。”Alvin Rodrigues总结说。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。