Hewlett Packard Enterprise(NYSE: HPE)旗下公司Aruba日前宣布,HPE(Aruba和Silver Peak)再次被评为2021年度Gartner 广域网边缘基础设施魔力象限领导者。这是HPE(Aruba和Silver Peak)连续第四年进入全球最具权威的IT研究与顾问咨询公司Gartner发布的魔力象限报告的领导者行列。
自该报告出版四年以来,Aruba是仅有的两家连续四年被评为领导者的厂商之一,这进一步证实了Aruba收购Silve Peak的合理性。Gartner认为,正是由于对Silver Peak的收购,基于客户咨询和在线会话分析,HPE(Aruba和Silver Peak)展现了很高的市场可见度。
Gartner发布的魔力象限(MQ)报告通过对厂商进行可视化简介、深入分析和给出可操作建议来提供关于一个市场的发展方向、成熟度和参与者的洞见。在广域网边缘基础设施魔力象限报告中,Gartner以“愿景完整性”和“执行力”为主要标准评估了15家厂商。该报告不仅包括了对各个厂商的简介,而且对厂商的行业优势和客户们应注意的事项都进行了评估。
Gartner表示:“广域网边缘基础设施市场持续从用于连接分支机构和数据中心的传统分支路由器(在多协议标签交换实现中通常称为‘客户边缘路由器’)向支持更加分散的架构和云工作负载的软件定义广域网(SD-WAN)迁移。软件定义广域网(SD-WAN)正广泛取代边缘路由器,并新增了在多个链路中具有应用感知能力的路径选择、集中编排和本地安全功能,以及其他的性能优化功能(例如WAN优化)”。
此外,Gartner在今年的报告中还更新了几项战略规划假设,其中包括:“ 到2024年,超过70%的软件定义广域网(SD-WAN)客户将实现安全接入服务边缘(SASE)架构,而2021年这一比例为40%。”
Aruba作为有线和无线网络领域的领导企业,也在积极布局SASE,今年4月,Aruba ESP推出一系列跨产品的、从边缘到云安全功能的集成及多项创新改进,包括ClearPass Policy Manager安全网络访问控制平台与Aruba EdgeConnect SD-WAN边缘平台集成,以及 Aruba 威胁防御与 EdgeConnect 平台集成,并拓展了Aruba ESP的多供应商安全合作伙伴生态系统,进而允许企业客户自由部署其选择的同类最佳的云交付安全接入服务边缘 (SASE) 安全组件。
Aruba通过SASE,将零信任安全和SD-WAN结合起来。SASE融合了网络技术和网络安全技术,并通过云进行交付,从而简化了架构并使其迅速扩展,企业客户能够从边缘到云应用基于身份的细颗粒度安全策略,以便安全地连接并保护用户和设备。
Aruba首席产品和技术官David Hughes表示:“无论企业处在数字化转型过程中的哪个阶段,只要借助Aruba的软件定义广域网(SD-WAN)产品组合,所有行业不同规模的企业都能满足多种用例的要求。连续四年被评为领导者进一步证实了我们边缘到云的理念不仅切实可行,而且能支持企业在瞬息万变的商业环境中获得竞争优势。”
Aruba中国区总裁谢建国也表示:“Aruba专注于网络解决方案创新,希望成为行业用户数字化转型的合作伙伴,凭借对客户需求的深入探索和对产品创新的不懈追求,我们得到行业的认可和客户的信任。未来,Aruba会持续关注网络技术发展的前沿趋势,不断完善各种解决方案,帮助客户更从容地应对数字化转型时代的挑战。”
点击下方免费阅读Gartner WAN边缘基础设施魔力象限报告
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。