Riverbed科技公司日前宣布,美国KLX公司正在使用Riverbed解决方案实现服务品质保障。通过不断完善底层IT基础设施,将更换飞机零部件时长从4小时缩短至20分钟。通过与Riverbed合作伙伴Tier3科技公司的合作,KLX公司使用Riverbed SteelCentral性能管理解决方案提供的数据情报设计了一套全球IT基础设施。优化本地和KLX自有集中式关键业务应用Kardex的性能,而Office365等公共云应用则可以以远程交付的方式提供给用户。KLX公司使用Riverbed SteelHead设备来实现数据中心之间的广域网(WAN)优化,并使用Riverbed SteelHead SaaS加速云应用。Riverbed SteelFusion设备则通过消除复杂的本地基础设施,集中分支机构数据,备份和IT运维操作,同时加速本地应用性能,为世界各地的分支机构站点奠定基础。
KLX公司是一家全球领先的航空航天紧固件、耗材及物流服务提供商,为客户提供KLX航空航天解决方案。同时,该公司还为北美地区油田服务和相关设备租赁提供KLX能源服务方案。KLX航空航天解决方案为航空公司提供电话救援服务,例如在一架飞机满载乘客,却在停机坪上等待更换零部件而无法起飞的时候,KLX就会发挥作用。KLX公司在全球设有110处设施(包括55个现货仓库),员工总数近4000人,现可在20分钟内交付备用零部件。
在从B/E航空航天公司分拆之后,KLX获得了从零开始创建一个全球性IT基础设施的机会。KLX公司基础设施总经理Jack Ortman解释道:“我们有一个独特的机会和一个全新的环境,我们可以选择最好的技术。如选择WAN优化技术来处理长距离和延迟问题。而不仅仅只是为了我们的核心应用Kardex。我们有一些位于云端和数据中心的关键业务应用,其通过网络进行交付,且性能至关重要,如我们的某些财务系统,电子邮件和Office 365。”
Riverbed合作伙伴Tier3 科技公司通过使用SteelCentral AppResponse解决方案开始与KLX合作以了解现有(母公司)基础设施情况。Tier3创始人兼首席执行官Michael Paynter说道:“由于近年来他们一直在增长,所以很多已有的嵌入式系统和依赖关系没有人真正了解。通过使用SteelCentral,我们能够帮助KLX公司了解来自世界各地的用户如何访问应用以及相互之间的依赖关系。更重要的是,哪些因素会导致性能问题。”
Tier3科技公司把在KLX公司部署的SteelHead,SteelFusion和SteelHead SaaS作为一个独立集成的系统,并为KLX公司长期提供持续的应用优化和数据服务。SteelFusion被用于KLX公司分支机构站点的原因有二,其一是它可以提供优化应用性能所需的WAN加速,其二是该应用可以通过集中100% 的分支机构数据和备份中心数据来保护数据安全。Ortman说道:“我们有很多可以在不同功能领域共享的文件。SteelFusion可以实现将这些文件投射到分支机构,使用户像使用本地文件一样获得满意的性能又不会有丢失数据的风险。”
就满足服务品质保障来说,Ortman建立的网络已经取得了一定的成功,他表示:“目前,99.7%的订单都能按时按要求交付给客户。很明显,在我们持续改善流程的过程中,服务水平也在不断提升。”就成本而言,他很满意。他继续补充道:“Riverbed科技在提高系统性能的同时降低了总体成本。未来一年,随着我们规模的进一步扩大,预计将为我们节省100至150万美元,没有他们,这些钱将不得不用于升级我们在世界各地的远程WAN连接。”
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。