如果您的企业正在考虑使用微软的商用Skype,或者已经在使用,那么本文一定是你的“菜”。毋庸置疑,商用Skype是一款出色的通信工具,但产品所提供的服务涉及了从网络到终端整体基础设施中的每一部分。
要知道,用户投诉的首要问题很可能就是通信不稳定。确保流畅使用和快速排除故障,需要一些更实用的监测工具,它的全面可视化能力有助于您了解Skype对网络的实际影响。
我的话是否可信,你要自己判断。据Nemertes Research的一项最新研究表明,使用类似SteelCentral UCExpert这样的第三方工具对商用Skype进行监测,可以帮助企业节省高达63%的运营成本。让我们来看一看它是怎么做到的。
Skype:优势明显,但远比它看起来更有影响力
越来越多的企业组织希望借助一家供应商的产品来整合统一通信环境,商用Skype就是这一市场上强有力的产品。
Nemertes Research副总裁兼服务总监Irwin Lazar认为:“许多组织已经在桌面上安装了微软商用Skype客户端。现在不仅可以用它发信息,还可以进行语音和视频交谈。甚至是打电话,这是一个非常强大的解决方案。”
但是,正如Nemertes Research在研究中发现的那样——商用Skype的应用可能会产生过高的运营成本。但这并不是微软的错。相反,这是企业用户没有看清Skype应用的复杂性所导致的结果。以下两个主要因素会增加IT部门的时间和资源消耗:
1.网络争用。如果企业正在使用传统电话系统或是在专用虚拟LAN上运行VoIP,您可能已经习惯了通信数据在自己的网络上相互隔离的情况。相比之下,Skype使得这些数据要与其它数据包争夺网络资源,从而造成流量负载难以预测,通话质量无法保证的问题,也给故障的排除带来了较大困难。
2.终端问题。在商用Skype的使用方面,用户的智能手机和个人电脑可以连接到Skype统一通信网络中,这一点的确够吸引人。但这也意味着将所有问题都集中在了终端上,如CPU过度饱和、耳机连接问题都可能会导致通话质量下降。这些问题是网络团队此前很少会遇到的。
欲善其事,先利其器
想要及时发现并快速解决问题,并将问题扼杀在萌芽状态,企业需要一整套工具来监测包括网络和终端在内的统一通信基础设施的健康状况。遗憾的是,Nemertes Research在对700多家组织调查后发现,大多数企业仍在沿用他们现有的网络工具和统一通信提供商提供的免费工具草率应付。
调查同时显示,当企业购入第三方工具来帮助管理其统一通信部署时,其收效十分明显。那些前期成本支出较高的Skype客户,随着时间的推移,其运营成本正在大幅减少。如下图所示:
Riverbed提供帮助
Riverbed在网络和基础设施监测领域有着深厚的技术积累,能够帮助商用Skype企业降低长期运营成本。
Riverbed SteelCentral UCExpert包含一组工具集,是用于管理商用Skype环境的全面解决方案。UCExpert具备从其它Riverbed工具上集成信息的能力,这些工具包括:
这一综合解决方案实现了基础设施各环节的全面可视化,意味着无论是在网络中还是在用户设备上都能够追踪到问题的根源。将网络和基础设施质量指标集成至一个“逐跳媒介路径视图”中,使用户能够获得单次呼叫所使用媒介路径的图示化说明,从而快速隔离那些基于网络的商用Skype的问题。
Riverbed令企业的商用Skype应用更加顺畅,成本更低。它还有助于提高员工工作效率,减少投诉,帮助企业实现盈利。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。