在2017华为全联接大会HUAWEI CONNECT上,华为发布SD-WAN(Software-Defined WAN)互联专线解决方案及系列化通用计算网关。方案为企业提供分支与分支、分支与数据中心、分支与云之间的随需互联,并通过应用级全路径智能选路与智能加速、云化可视运维,为企业构建极致体验的广域互联。
华为SD-WAN已经在全球规模商用,为金融、零售、MSP等客户提供高性价比的企业互联网络。而随着SD-WAN的广泛应用,企业在体验方面提出了新的诉求,如优化跨国业务体验,提高业务部署灵活性,需要更多的网络功能和体验保证等等。华为本次新发布的SD-WAN互联专线解决方案采用云化技术,进一步为企业提供应用极致体验、VAS(Value Added Service)业务获取极致体验和运维极致体验。
应用极致体验:应用级全路径智能选路和智能加速,实现关键应用“最高优先级”保障
每个行业都有自己的特殊应用和关键体验诉求,而业务加密是一个通用的需求。华为SD-WAN互联专线解决方案支持用户自定义应用和加密应用识别,通过全局流量智能调度,提供用户、应用、最优路径的智能选路方案。同时,通过大文件传输优化、数据优化、应用优化等技术,实现关键应用智能加速,从而保障关键用户和关键应用的最优体验。
VAS业务获取极致体验:基于开放业务平台,实现VAS业务“随需分钟级”获取
华为本次发布的系列化开放通用计算网关包括:AR1600系列,AR650系列,支持华为和第三方VAS(虚拟防火墙vFW,虚拟广域网优化控制器vWOC等)业务按需部署,满足不同分支场景的部署需求。同时,支持VAS业务灵活编排和自动下发,实现VAS业务分钟级获取,解决企业业务开通慢和不灵活的问题。
运维极致体验:云化可视运维,实现“秒级”故障定位
华为SD-WAN互联专线解决方案支持WAN/LAN统一管理,并基于GIS地图支持应用端到端全路径可视,同时采用自动化运维,实现故障秒级快速定位,降低OPEX 80%。此外,该方案还支持邮件开局、手机扫码等多种开局方式,实现设备即插即用,极大提升开局效率。
日本软银作为华为SD-WAN的早期客户,已经开始部署该方案,并计划为全球/日本企业客户提供专线服务。日本软银集团副总裁Taketsuna Hiroki指出:“SD-WAN已经成为行业业务数字化及云化转型下的企业互联发展趋势,华为SD-WAN互联专线解决方案,不仅为软银的企业客户提供高体验可靠接入的企业互联服务,也是软银持续创新引领行业的又一利器,将极大地推动企业专线市场的拓展。“
华为交换机与企业网关产品线总裁胡克文表示:“华为始终聚焦客户的需求和挑战进行创新,本次发布的SD-WAN互联专线解决方案,旨在帮助企业客户应对业务云化快速发展带来的挑战,建设随需的极致体验企业广域互联网络,实现云时代的快速转型,迈向商业成功。”
华为企业网络已广泛应用于全球100多个国家和地区,通过智联万物的网络,加速企业数字化转型。截至目前,世界500强中已有197家,前100强中有45家企业选择华为作为其数字化转型的伙伴。
HUAWEI CONNECT2017作为华为自办的面向ICT产业的全球性年度旗舰大会,将于2017年9月5日~7日在上海新国际博览中心隆重举行。本届大会以“Grow with the Cloud”为主题,旨在搭建开放合作的全球共享平台,与客户伙伴一起共同探讨如何通过数字化实现新增长。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。