在跌宕起伏的疫情中,我们度过了内卷、躺平、emo的2021年。
然而世界不爆炸,IT不放假!
2021依然有着无数的IT工作者在继续钻研、拼搏、奉献,暂时的低谷是为了未来更好的发展。
下面就让我们来回顾一下2021年网络与安全技术的新发展,并展望一下在2022年,网络与安全领域又会产生哪些新的“金矿”。
在2021年,我们还在一期视频节目中和大家探讨,网络布线中铜缆的粗细对转发性能的影响。但是在2022年,很多企业可能就不会再有这方面的烦恼。伴随着光模块成本的逐年下降,使用光纤取代铜缆进行网络布线将成为未来发展趋势。未来企业的网络综合布线,将不必在纠结于使用几类网线、铜线的粗细与质量。并且今后的网络带宽升级也会变得更加简单,不需要再伤筋动骨的对全部网线进行更换,只需要更换相关板卡和光纤模块就可以了。
然而网络发展“光进铜退”的脚步并不会就此而止。2022年“硅光”这种芯片层面的“光进铜退”将会得到普及。届时,交换、路由上负责传输数据的线路板,将被光引擎给替代。甚至可以由光引擎直接出光,通过接口板直接向对外进行数据传输。如此一来,既可以降低光电转换功耗,又可以进一步提升网络核心数据转发性能。不但可以满足碳达峰、碳中和的国家“双碳”战略,又同时可以满足5G时代高带宽、低时延、低功耗的数据中心大流量需求。
2021年在数据安全领域也发生了很多变化,《中华人民共和国数据安全法》、《个人信息保护法》、《网络产品安全漏洞管理规定》的相继实施,成为2021年度的重大热门事件。伴随着这些法律和管理规定的实施,数据安全对于企业而言,也从一个可有可无附加项,升级为无法忽视的必选项。但是如何进行数据安全防护就又成为企业需要解决的一个新问题。
然而随着5G、物联网、边缘计算技术的深入发展,以及企业业务的数字化转型逐步深入,企业数据开始爆炸性增长,获取数据的途径也开始显著增加。企业的数据安全问题,也不是新增一两台安全设备,或颁布一两款安全规定就可以解决。数据安全的有效防护,涉及到端点安全、网络安全、应用行为管理等一系列安全解决方案,这些解决方案又需要通过相互配合,统一协调管理才可以发挥出最大安全防护效果。
由此可知,在2022年企业的数据安全,不应当只着眼于防护,更要重视对数据的管理,只有将安全与管理进行有机的结合,才可以满足未来企业对数据安全保护的实际需求。
为此,在2022年,至顶网评测实验室也会组织开展一次有关企业数据安全防护的产品评测活动,将从端点安全、网络安全、应用行为管理和数据加密四个方面,对目前安全企业所提供的安全产品进行一次综合对比分析,从而可以让不同规模的企业可以更加清晰的了解,应当采取什么样的安全防范措施,对自身的数据安全进行防护。
“光进铜退”为企业带来更高的网络带宽,同样也会带来更多的网络管理需求;更严格的安全防护手段也需要使用者具备更加有效的安全管理能力。传统的网络和安全运维手段必将无法对此进行应对。这将会促进智能管理、智慧运维技术的飞速发展。
由此可以判断,在2022年,无论在网络管理还是网络安全方面,更加智能化的网络及安全解决方案将会在各大厂商中迅速普及。各种网络及安全技术,将会在智能化技术的整合下,为企业带来更加简便、易用且高效的管理手段。元宇宙的时候什么时候可以到来,我们还无法预计,但智能化在网络及安全领域的硕果,在2022年我们将会很快可以看见。
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。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
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。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。