网络创新领域领军企业瞻博网络(Juniper Networks)与全球先进无线系统供应商优科无线(Ruckus Wireless,Inc.)日前宣布两家公司已结成技术联盟,将为各企业、政府部门及教育行业客户提供开放式有线及无线网络解决方案。双方将联手打开全球市场,交付统一的有线及无线解决方案,为大中型企业客户提供成熟、灵活、可扩展的运营商级网络。
据Gartner公司预测,全球终端用户在企业级无线网络(WLAN)设备上的花费,将由2015年的53亿美元激增至2019年的78亿美元。Ruckus及瞻博网络认为,这一数据的增长主要得益于各公司员工在工作场所对WiFi设备及云应用的大量使用,这对园区覆盖WiFi接入点到网络核心网络基础设施的性能及带宽提出了更高要求,因此亟需一种更灵活、更安全的集成式无线及有线网络解决方案。
全新亮点
瞻博网络及优科无线一直致力于交付基于标准的开放式运营商级解决方案,能够充分满足企业园区网络的独特需求。两者结成的技术联盟旨在为其共同的客户提升网络灵活性并降低客户的整体拥有成本。
· 一流的性能及可扩展性:瞻博网络® EX系列以太网交换机与优科ZoneFlex接入点、SmartZone (SZ) Wi-Fi管理平台的结合,可结合各种企业环境提供运营商级网络解决方案,随着业务增长可轻松扩展网络。
· 简易、自动、安全的网络管理:Ruckus SmartZone的3+1群集功能,和瞻博网络的Virtual Chassis技术,可减少网络管理及自动化所需的逻辑有线及无线设备数量,同时确保了网络的最大可用性。瞻博网络Junos® Space Network Director还提供交换基础设施的可视管理,能够轻松管理日益增长的网络及新业务种类。Ruckus智能WiFi 以及瞻博网络EX 系列交换机均具备802.1x网络访问控制功能,可全面保障网络的安全。此外,Ruckus可提供简易安全的BYOD(携带自有设备)配置及管理,而瞻博网络SRX 系列服务网关可提供新一代防火墙功能。
· 基于开放标准的解决方案:依托瞻博网络的Open Converged Framework,规划中的联盟将采用瞻博网络和Ruckus的基于标准的开放式硬件和软件产品,确保客户的投资不会因其无线及有线网络需求的变化而遭受损失。
各界评论
“我们之前一直采用思科有线及无线网络,我们非常需要一个 ‘最佳方案’来为整个校区的学生、教职员工及访客提供卓越的有线及无线体验。通过标准化的瞻博网络交换机、防火墙和优科智能WiFi产品,我们不仅能够实现较低的整体拥有成本,更重要的是,我们还可以借助统一的有线及无线网络基础设施提供更普遍的网络性能和更为可靠的网络服务,几乎可以满足我们能想象到的任何有线及无线网络的需求。”
——Mike Leseberg,华盛顿州里奇兰市,里奇兰校区IT主管
“我们一直在不断地寻求可靠、高速的无线连接,这就需要能够提供相应支持的有线基础设施,因此我们决定部署一流的瞻博网络交换机,与全新的优科智能WiFi网络互补。瞻博网络交换基础设施能够支撑我们全新的Ruckus 802.11ac Wave 2智能WiFi网络,让我们能够更划算地调整网络服务性能以满足愈发难以预测的用户需求与客户技术创新。瞻博网络与优科的协作对我们的学生和教职员工来说是一个双赢的解决方案。”
——Aaron Heath,密苏里州哥伦比亚市,哥伦比亚公立学校首席网络/服务器专家
“全球的企业都面临着如何适应日益增长的移动设备及应用、同时还要保证安全、高性能的操作环境这一挑战。瞻博网络提供的有线网络基础设施是我们智能WiFi网络的支柱,对我们的网络非常重要。这种‘无需妥协的’合作关系为企业带来了价值和投资回报率,同时也提供了各企业亟需的高性能、灵活、可扩展的网络。”
——Dan Rabinovitsj,Ruckus无线首席运营官
“由于工作场所新增了大量移动设备,需要处理与核心业务相关的应用及云内容,因此我们企业客户的网络基础设施正在面临难以承受的网络性能压力。我们以瞻博网络Open Converged Framework为依托,与Ruckus团队通力协作,通过我们互联互通的有线和无线解决方案实现运营商级的扩展性和性能,可帮助我们的企业客户解决WiFi容量与覆盖的难题。”
——Jonathan Davidson,瞻博网络开发与创新部执行副总裁兼总经理
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。