今天,很多人已经习惯用手机APP管理家庭路由,这和5年前需要连接网线输入路由IP进行管理配置的体验截然不同,显然后者提升了管理的便捷性。如今这样的演变延伸到了企业市场,不过和家庭市场大多是尝鲜似的体验不一样。云管理网络对企业市场带来的效用是巨大、甚至是革命性的,因为它带来了效率的巨大提升和商业模式的变化。
云管理网络模式下,除了能够实现网络的自动化和集中化管理外,随时随地监控网络状态和动态优化都是其带来的“红利”,所以它也成为各大网络厂商力推的重点解决方案。
企业需要的是“云管理+网络”
不过,虽然这一模式备受追捧,但是一些厂商是否真正把云管理特性深入到复杂的网络应用场景中还需要打一个问号。华为是云管理网络模式的积极行动者,从2014年开始规划,在其看来,云管理网络一定是“云管理”+“网络”。怎么理解?云管理可以看成是网络的一个附加属性,后者甚至是更重要。在华为看来,网络才是真正的核心,好的网络是前提,然后才是管理的便捷性。
所以,两者相融合的云管理网络才是企业真正需要的,而不是弱化某一方。
先来说云管理,为什么近年来云管理备受推崇?还是以比较容易理解的企业无线网络来举例,尤其是商业无线网络,在建设/运维和服务这些无线网络的同时,往往运维人员的支出成本要比设备成本要高的多。对于一些小门店的零售连锁行业来说,他们为了降低建设和运维成本从而倾向于采用云管理方式的无线网络。
上海新网程信息技术股份有限公司在全国运营维护5、6千家门店的无线网络,新网程副总经理张超对此说,“从我们实际使用云方案来说,两三个运维人员可以完成3000-5000家门店的日常运维工作,云的模式很大程度上提升了运维效率,减轻了运维人员工作压力。”
再来看后者,网络本身,很多厂商强调了云管理,但是要想做一个高性能的网络设备却很难。要想把一个网络做好,没有几十年的沉淀是达不到的。
要对专业的网络设备进行云管理,需要进行大规模改造,涉及到版本升级、代码重新编写等研发工作,这个投入力度是非常大的。从2014年开始,华为从主流产品上重新去做系统的更新,从而实现网络设备自由无限制的云管理,包括款型无限制,规模无限制。
所以,对于用户来说,他们追求的是云端管理加上网络性能两个特性,而不是舍弃了性能仅去追求便捷的管理。
全生命周期、全业务场景的极简云管理
当然还有一点对于用户来说同样重要,一是是否支持全业务场景?现有的云管理网络解决方案大多只能覆盖中小企业或企业分支场景,而无法满足包括园区、广域网络、分支等在内的端到端场景需求。另外,云管理网络解决方案能够管理的设备款型少,只有有限的盒式设备,无法满足大型企业组网的需求。
二是否支持全生命周期的网络云管理?很多云管理网络解决方案只提供基本的网络连接和设备云化管理服务,而无法支持对网络业务服务。
对于华为来说,这两个问题的答案均是肯定的。据介绍,华为为企业打造了从有线到无线的网络接入管理服务、WAN网络管理服务、安全服务等等。基于云平台对网络设备进行集中化管理,实现了包括对安全网关、交换机、AP、监控摄像头、移动性管理等,从而简化网络架构和IT运维难度。华为是业内独家做到全系列设备上云的厂商,这是其他厂商做不到的。
并且,华为还支持了包括云网规、云部署、云网优、云巡检等全生命周期的网络云管理,云端尽享100%专业管理功能,独家实现网络管控全面云化。
此外,华为在云管理网络方案依然定位于生态的底座,去服务于客户和合作伙伴。开放的API与行业应用生态伙伴建立面向政府、教育、商业、仓储物流、交通等不同行业的方案。另外对于行业伙伴来说,服务方式更灵活,可以选择华为的云管理平台亦或自己的平台。全云化的特性和灵活的商业模式对于新网程这样的合作伙伴来说还增加了二次从产生到服务新商机。
这就是华为云管理网络的独特之处:重新定义了云管理网络。当然,具体来说华为如何支持复杂网络场景下的云管理?如何在云管理之上提供更有针对性的行业应用?不同设备云化管理上又有何差异?华为云上承载的云管理网络有什么特别之处?这些答案将在8月21日的“云网融天下·智简赢未来”华为云管理网络发布会上揭晓。
一起期待这场重新定义云管理网络发布会!
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。