去年9月,思科迎来了成立以来最大规模的一笔收购,拟以每股157美元的现金收购Splunk,相当于280 亿美元的股权价值(折合约 2047 亿元人民币)。
这次收购也让思科能够为客户提供人工智能和其他工具分析数据和检测安全威胁。思科董事会主席兼首席执行官罗卓克(Chuck Robbins)曾举了一个例子,Splunk和思科的产品结合后,运用AI技术,企业对网络威胁监测能从“事后响应”转向“事前预防”,也能让企业的网络更安全和有弹性。
今年3月收购正式完成,思科亚太、日本和大中华区总裁吴大维(Dave West)强调,思科和Splunk强强联手,将为客户提供更强的人工智能、更强的安全性、更强的可视性、更强的网络和更好的经济效益。
通过整合安全响应机制、安全事件的全面调查与高效检测,以及人工智能技术的深度应用,思科的整体实力得到了显著提升。这种合作模式使思科能够更精准地把握客户需求,助力客户实现成功,并有效管理其复杂环境,让双方可以共同为客户创造更大价值。
左:思科亚太、日本及大中华区总裁吴大维(Dave West) 右:Splunk亚太区高级副总裁暨总经理西蒙-戴维斯(Simon Davies)
“双轨并行”的整合策略
思科的产品组合涵盖了网络、安全、协作以及IP核心基础架构等多个领域,形成了一个全面而强大的解决方案体系。面对如此多样化的组合,Splunk以其独特的能力,助力思科深入洞察实际运行状况,精准捕获关键数据,并对每一事件进行细致追踪。
Splunk在SOC(安全运营中心)及异常事件侦测领域均处于世界领先地位,高达99%的客户实现了性能的提升。尤其是应对海量数据中的噪音干扰难题,SOC模型展现出了强大的能力,能够有效降低超过90%的噪音,极大地提升了安全人员的工作效率与准确性。
思科在用户保护、安全泄露防护等领域的深厚积累;Splunk在安全、协调与自动化方面的卓越表现,两者合作形成了完美的互补。
“Splunk凭借其卓越的可视化与数字韧性专长,结合思科在网络领域的深厚积累,不仅让客户充分认识到双方优势的价值,更使他们能够享受到这些优势带来的实际效益。”吴大维说。
目前思科和Splunk已经完成了“双轨并行”的整合策略。
第一,聚焦企业内部环境优化。将强大的SOC功能融入企业日常运营,确保为客户提供始终如一的高品质安全保护,同时为云端用户提供动态评估与协助服务,帮助他们灵活应对潜在风险,确保云端环境的安全。
第二,结合思科Talos智能威胁情报平台。Talos实现了“即插即用”的便捷性,能够无缝集成至现有SOC中,立即增强企业的防御能力。整合不仅简化了操作流程,还使企业能够更快速地获取关键威胁情报,从而做出更好的安全决策。
双方强强联手,提供了全端可视化解决方案,帮助客户能够全面洞察并管理整个网络生态的同时,拥有坚实的安全保障。
人工智能引入实现更多可能
思科之前发布了“人工智能就绪指数”调查报告,其中可以看到很多客户感受到部署人工智能技术的紧迫性。
因为通过人工智能的辅助,企业能够更专注于那些能够创造更高价值的活动。Splunk也在积极利用人工智能技术来处理海量数据,通过与思科优势互补,帮助客户挖掘数据的深层价值。
整合到Splunk的数据源来自网络服务、数据中心、公有云、私有云及第三方工具等产生的日志和事件数据。平台以人工智能为核心驱动力,实现对数据的高效管理,且管理规模能够灵活适应企业的实际需求。
拥有更先进的人工智能技术和更丰富的数据资源将是双方携手后的一大变化。吴大维(Dave West)认为,通过从多样化的数据源中高效截取数据,并实现这些数据的交互管理,能够更准确地把握实际状况,为决策提供坚实的数据支撑。
“将人工智能学习能力与思科丰富的资源相结合,开创了人工智能应用的新视角。”Splunk亚太区高级副总裁暨总经理西蒙-戴维斯(Simon Davies)谈到,思科更加关注如何让人工智能真正服务企业,Splunk致力于帮助企业收集的海量数据中提炼出有价值的信息,并促进数据的高效利用。
当双方发挥各自优势时,所产生的协同效应将是不可估量的,特别是进一步引入人工智能等先进技术,将助力客户实现更多可能。
融合未来,推动市场共同繁荣
现在AppDynamics已经融入到Splunk的可视化云中,不仅让城市的运作与各类系统更加流畅,极大地提升了用户界面的友好度与易用性。这一整合通过优化关键应用的性能与体验,让每一位使用者都能感受到前所未有的顺畅与便捷。
在SIEM管理领域和APM(应用性能管理)领域,融合已经得到了积极的反馈。西蒙-戴维斯也坚信,接下来将把同样卓越的服务体验提供给100、200,乃至更多客户。
尤其是亚太地区,思科和Splunk的客户群重叠度高达约90%,当这些来自不同领域的伙伴携手合作,将为客户在投资过程实现效益最大化。
西蒙-戴维斯表示,我们将更加专注于支持每一位合作伙伴的成长与发展。在整合的道路上,将与伙伴们更加紧密地接轨,共同探索新的合作模式与机遇,进一步增强合作伙伴的能力。
吴大维也是如此认为,他深知每一步的决策都至关重要,因此也将尽全力确保所走的道路是正确的。目前,思科正努力帮助Splunk的合作伙伴融入自身的合作伙伴生态系统,以实现双方更大的协同效应。
在市场营销策略上,双方将继续积极推广合作成果,让市场充分认知到整合后的强大实力。例如,思科的高层领导将参与Splunk的会议及生态系统活动,分享合作经验和成果;同时Splunk也将亮相思科的会议,共同展示合作带来的创新与价值。
思科与Splunk将以更加丰富的产品组合和更加坚实的合作基础,共同为客户提供前所未有的解决方案和服务,因为他们有着共同的愿景与目标。
好文章,需要你的鼓励
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。
FLAME-MoE是卡内基梅隆大学团队开发的首个全透明混合专家语言模型研究平台,包含7个规模从3800万到17亿活跃参数的模型。它采用每层64位专家、top-8选择和2位共享专家的架构,公开所有训练数据、代码和检查点。实验显示,FLAME-MoE比相同计算量的密集模型提升3.4个百分点,并揭示了三个关键发现:专家逐渐专注于特定词汇子集,专家协同激活保持稀疏多样,路由行为在训练早期就趋于稳定。这一平台为MoE模型的系统研究提供了前所未有的开放基础。
这篇论文介绍了ModernGBERT,一个由维尔茨堡大学研究团队开发的高性能德语编码器模型家族(1.34亿和10亿参数版本)。研究将ModernBERT的创新架构应用于德语,同时通过LLM2Vec方法将德语解码器模型转换为编码器以进行对比研究。在SuperGLEBer和MTEB等基准测试中,ModernGBERT 10亿参数模型不仅超越了之前最先进的德语编码器,还在性能和参数效率方面优于转换后的编码器。研究团队还证明了更大模型能有效利用大规模单语语料库,为德语自然语言处理提供了全透明、高性能的资源。