至顶网网络频道 09月07日 综合消息:今日,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 CONNECT 2017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。欲了解更多详情,请参阅:www.huawei.com/huaweiconnect2017
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。