Gartner第二年推出的单一供应商 SASE(安全接入服务边缘)魔力象限榜,共有九家供应商上榜。
Gartner 近日公布了最新的单一供应商 SASE 供应商魔力象限排名,Cato Networks 的排名上升,Netskope 则首次出现在魔力象限中,两家公司与 Palo Alto Networks 一起进入备受瞩目的“领导者”象限。
近日发布的 2024 年 Gartner 报告第二年推出单一供应商 SASE 供应商魔力象限排名。Gartner 表示,“单一供应商”SASE 产品必须同时提供网络功能(主要是SD-WAN)及结合关键安全功能,并能够在统一的平台上采用“以云为中心的架构”即服务的方式交付。
SASE 所需的网络安全功能包括安全网络网关 (SWG)、云访问安全代理 (CASB)、零信任网络访问 (ZTNA) 和网络防火墙。这些功能在与 SD-WAN 分开提供时,通常会被打包成安全服务边缘(SSE)产品。
Gartner 的魔力象限排名是一个极具影响力且备受关注的指标,用于比较科技行业众多细分市场的关键参与者。
Gartner 曾于 2023 年 8 月首次推出单一供应商 SASE 排名,其时只有 Palo Alto Networks 出现在“领导者”象限中。
而在 2024 年单一供应商 SASE 魔力象限中,Cato Networks 从一年前的“挑战者”象限上升到“领导者”象限。Gartner 分析师认为,Cato 是“早期的先驱之一,帮助推动了市场的发展,其计划中的创新可能会继续塑造市场”。
而 Netskope 则并未出现在 2023年的 Gartner 象限排名中,2024年以“领导者”的身份首次进入单一供应商 SASE 魔力象限。Gartner称赞 Netskope 在客户体验方面具有良好的记录,同时为网络和安全提供了“强大的功能广度和深度”。
Netskope 公司的 Robert Arandjelovic 周二向记者表示,该排名凸显了 Netskope 作为全面 SASE 提供商的快速崛起,Netskope 此前花了数年时间建立了强大的SSE平台,并在 2022 年收购 Infiot 后将其与 SD-WAN 功能结合在一起。Netskope 完整的单一供应商 SASE 平台于去年秋天首次亮相。
Netskope 高级总监兼全球产品和解决方案营销主管 Arandjelovic 表示,Netskope 今年 1 月份推出的面向中端市场的 SASE 产品也为“领导者”排名奠定了基础。
他表示,“如若我们不能与市场的这一部分对话,我们就不可能成为‘领导者’”,并指出 Netskope 的中端市场 SASE 产品主要通过 MSP 合作伙伴进行交付。
在 2024 年单一供应商 SASE 魔术象限排名中,Gartner 分析师在报告中共纳入了九家供应商。
在今年的单一供应商 SASE 排名中,Fortinet 和 Versa Networks两家供应商被Gartner分析师选入“挑战者”象限。在“远见者”象限中,思科是唯一入选的供应商。
根据 Gartner 的报告,另有三家供应商(Hewlett Packard Enterprise、Cloudflare和Forcepoint)位列单一供应商 SASE的“小众厂商”象限。HPE 和 Cloudflare 首次出现在单一供应商 SASE 魔力象限排名中,去年两家曾获得“荣誉提名”。
据 Gartner 称,VMware(现归 Broadcom 所有)和 Juniper Networks 曾作为“小众厂商”出现在 2023 年的排名中,但今年没有达到入选标准。
其他许多公司因其“相关技术”和在单一供应商 SASE 领域的投资而获得“荣誉提名”,尽管这些公司在 Gartner 发布报告的截止日期前没有达到能被纳入排名的标准。获得荣誉提名的公司包括 Zscaler、Check Point Software Technologies、Sophos、SonicWall 和 Barracuda。
展望未来,Gartner 分析师预测,到 2027 年将有 65% 的 SD-WAN 购买通过单一供应商的 SASE 产品进行,高过今年的 20%。
好文章,需要你的鼓励
华中科技大学与利哈伊大学研究团队开发的MMMR基准是首个专门评估多模态大语言模型推理思考过程的综合工具。通过1,083个跨六大领域的高难度推理任务和创新的推理过程评估管道,研究发现即使最先进的模型在推理任务上也与人类存在约10%的差距。研究揭示了答案准确性与推理质量间的脱节:模型常出现思考不一致(41.5%)、过度思考(20.5%)等问题。这一基准不仅评估答案正确性,更深入分析思考质量,为提升AI系统的可靠性和透明度提供了重要方向。
UI-Genie是一个创新的自我改进框架,解决了GUI智能体面临的两大挑战:轨迹验证困难和高质量训练数据缺乏。研究团队开发了专用奖励模型UI-Genie-RM,采用图像-文本交错架构有效处理历史上下文,并统一了步骤级和任务级奖励评估。通过精心设计的数据生成策略和迭代自我改进,该框架无需人工标注即可创建高质量合成轨迹。实验结果显示,经过三轮数据-模型自我改进后,UI-Genie在多个基准测试上达到了最先进水平。该研究已开源全部实现和数据集,为GUI智能体研究提供重要资源。
浙江大学和蚂蚁集团的研究团队开发了ACTIVE-O3,一种创新框架,赋予多模态大语言模型"主动感知"能力,使AI能够智能地决定"看哪里"和"怎么看"。基于群体相对策略优化(GRPO)构建,该系统采用两阶段策略,先选择关注区域,再执行任务。实验表明,ACTIVE-O3在小物体检测、密集物体定位和交互式分割等任务上显著优于现有方法,并展示出强大的零样本推理能力。该研究为AI系统提供了更接近人类认知的视觉探索能力,对自动驾驶、医疗诊断等领域具有重要应用价值。
ImgEdit是北京大学与兔小贝AI联合推出的图像编辑框架,解决了开源编辑模型落后于商业产品的问题。该框架包含120万对高质量编辑图像对,涵盖13种编辑类型和11万个多轮交互样本。通过融合视觉语言模型、检测模型和分割模型的多阶段流程,ImgEdit确保了数据的高质量性。研究团队基于此数据集训练了ImgEdit-E1模型,并提出ImgEdit-Bench评估基准,从指令遵循、编辑质量和细节保留三个维度全面评估模型性能。实验结果显示,ImgEdit-E1在多个任务上超越现有开源模型,推动了图像编辑技术的进步。