国际数据公司(IDC)发布《2021年Q4中国应用交付市场跟踪报告》,深信服应用交付AD以27%的市占率排名第一!
数据来源:IDC《2021年Q4中国应用交付市场跟踪报告》
总结2021年,深信服AD交出一份不俗的市场成绩单:
Q2、Q3、Q4连续三个季度市占率据国内市场第一。
全年市场占有率 22.54%,再次蝉联国产品牌市占率第一,且与位列第一的国际厂商差距仅0.1%。
在这背后,深信服AD经历过“从无到强”的奋力前进,
也经历过从“国产品牌市场第一”到“市场第一”的里程碑式跨越。
你看到了深信服AD每个季度、每一年的市场成绩,
但也许还未看到这些数据身后,
是深信服AD对技术的持续探索与创新,
是深信服AD对行业用户需求的切身关注,
是深信服AD对业务稳定性怀抱的敬畏之心。
一、
您看到AD全年市占率与第一仅差0.1%,
也许还未看到为缩小差距背后对产品的打磨。
(1)打磨新版本,建构全局负载下的竞争力
2021年11月,AD推出7.0.21版本。
研发团队用2年时间,走访100多个客户,经历37次专案研讨会,新版本通过重构DNS架构,满足用户在多活/多云场景、微服务场景、本土化场景等多场景下对于性能、操作简易性、安全等多维度的需求。
尤其值得一提的是,新版本60G配置DNS性能高达 230W,比市面上同等配置的设备性能高出近5倍!
(2)推出新场景,解决SSL流量不可视和安全设备编排痛点,保障业务连续性
高访问流量或并发造成安全设备故障、流量堵塞,从而导致业务中断;
HTTPS的业务流量不可视,无法做到安全防护,卸载又大量消耗安全设备的性能。
这是不少用户在实际业务中遇到的困境。
立足于上述痛点需求,
AD推出SSLo流量编排解决方案——
重塑传统“糖葫芦串”安全架构,打破困境,
打造“6可”价值:
安全SSL流量可视、安全设备性能可扩
整体网络延迟可降、流量智能编排可控
安全设备间可异构、投资回报率可提升
就这样,AD在为用户解决实际难题,
也在变化与趋势下突破自己。
二、
您看到AD用户突破10000多家,
遍布金融、大企业、政府、医疗、教育、能源等千行百业,
也许还未看到它早已深入用户的核心业务区,并稳若泰山。
某国有大型商业银行稳定运行超过510天?
某西南地区农商行稳定运行超过1846天 ?
某股份制银行稳定运行超过1063天 ?
某华南地区农商行稳定运行超过735天 ?
三、
您看到了一个国产第一品牌过往12年的努力
也许还未看到它没有放弃继续探索、主动进化
随着容器云的出现、用户业务的微服务化转型不断深入,用户对负载均衡提出了新的要求,深信服推出云原生应用交付(CNAD),助力用户解决云原生时代下的负载均衡难题。
纯软件形式的应用交付产品,适配云、容器、物理服务器以及国产操作系统等多种环境;
具备高性能、高可靠、弹性伸缩、集中监控、统一管理能力;
可解决国产化、容器化等新型 IT 环境下各类业务发布问题;
同时具备规模化管理能力,能实现业务统一发布,拥有可视的统一接入平台,具备声明式 API(支持 DevOps)功能,在负载均衡领域具有极强的前瞻性和技术领先型。
AD从不固步自封,始终求变、求新。
正如AD一如既往的信条:
在各类环境下构建稳定、高效、安全的应用交付平台。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。