Riverbed科技公司日前在美国加州圣塔芭芭拉召开2017合作伙伴峰会,会上宣布更新Riverbed性能合作伙伴计划。本次峰会云集最具影响力的合作伙伴和Riverbed高管,旨在推进双方进一步合作,以共同利用云、数字化转型以及持续变化的渠道动力所带来的巨大商机。随着Riverbed开发出全新解决方案,以应对云和软件定义IT环境中的复杂挑战,合作伙伴在引领渠道和市场策略方面发挥着至关重要的作用。
合作伙伴峰会上,Riverbed展示了其在三个关键领域的解决方案以及合作伙伴如何利用这些解决方案促进其针对终端客户的云计算和数字策略及解决方案:云网络(采用市场领先的SD-WAN解决方案SteelConnect)和端到端可视化及服务交付平台(用于“…即服务”型产品交付)。Riverbed还通过分享使用场景及为更广阔市场和合作机会制定的解决方案展示面向客户的“云优先”环境和新兴SD-WAN市场的愿景。
峰会期间,Riverbed在现有计划优势的基础上公布了更多合作伙伴激励措施。现有计划优势包括联合参与、在Riverbed解决方案组合中提供嵌入式解决方案、服务及销售,通过加速器实现合作伙伴的快速发展。此外,Riverbed还与合作伙伴分享了如何投资建立全套服务,使合作伙伴可以利用这些服务来开发自己的服务组合——包括SD-WAN即服务、可视化即服务、网络即服务、分支机构即服务,以支持客户开展并实施云优先策略。
此次发布进一步深化了Riverbed与合作伙伴间的互利共赢。过去一年中,Riverbed采取了以下行动:
Riverbed一贯重视发展和维护合作伙伴关系,将合作伙伴视为自身市场进入战略的重要组成部分,目前95%以上的业务来自渠道。
Riverbed全球渠道高级副总裁Karl Meulema表示:“在客户不断迈向数字化和‘云优先’战略的进程中,Riverbed凭借颠覆性的SD-WAN技术、可视化和软件定义分支机构解决方案以及在广域网优化方面长期保有的市场优势地位,为合作伙伴开辟出巨大的市场空间。今年早些时候,我们推出了Riverbed服务交付平台,帮助服务提供商和合作伙伴实现其网络即服务战略。这一平台让我们成为这个充满活力的行业中理想的市场进入合作伙伴。这不仅仅是因为我们可以比别人做得更好,而且是其他供应商做不到的。我们希望与合作伙伴一起抓住机遇,共同发展。”
Riverbed渠道生态系统由一个遍布全球的集中化、专业化的投资合作伙伴网络组成,包括技术经销商、方案提供商、增值分销商、系统集成商、外包商和服务提供商。Riverbed及其渠道生态系统合力提供各类解决方案,旨在提升各类应用、服务、网络、远程和分支机构的性能、经营效率、敏捷性和经济性。
Riverbed推出面向云和数字化的解决方案
Riverbed提供的解决方案,能够帮助企业从传统硬件向新型软件定义云网络方式转型,改善终端用户体验,促进企业数字化转型举措的全面实施。Riverbed集成平台提供了企业在云时代和数字时代取得成功所需的灵活性、可视化与性能。借助该平台,企业能够通过任何网络向任意终端提供各种公有云、私有云或混合云的应用和数据及服务。
Riverbed SteelHead是业界首屈一指的优化解决方案,用于在软件定义的广域网内加速应用交付,提高峰值性能。Riverbed SteelConnect(即将在中国市场推出)是一款革命性的、应用定义的SD-WAN解决方案,可为设计、部署和管理分布式网络提供智能、简便的方法。Riverbed SteelCentral产品系列是性能管理和控制套件,集成了用户体验、应用和网络性能管理,在终端用户发现问题之前,提供判断和解决问题所需的可视性,避免用户去咨询台寻求帮助,或由于沮丧而跳转到其它网站。Riverbed SteelFusion将行业最成功的虚拟化技术、智能存储缓存和行业领先的广域网优化集成至单一的超融合基础设施解决方案中,可同时满足企业和分支机构员工对简便实现高性能应用、方便个人工作的需求。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。