国际数据公司(IDC)发布《2021年Q4中国应用交付市场跟踪报告》,深信服应用交付AD以27%的市占率排名第一!
数据来源:IDC《2021年Q4中国应用交付市场跟踪报告》
总结2021年,深信服AD交出一份不俗的市场成绩单:
Q2、Q3、Q4连续三个季度市占率据国内市场第一。
全年市场占有率 22.54%,再次蝉联国产品牌市占率第一,且与位列第一的国际厂商差距仅0.1%。
在这背后,深信服AD经历过“从无到强”的奋力前进,
也经历过从“国产品牌市场第一”到“市场第一”的里程碑式跨越。
你看到了深信服AD每个季度、每一年的市场成绩,
但也许还未看到这些数据身后,
是深信服AD对技术的持续探索与创新,
是深信服AD对行业用户需求的切身关注,
是深信服AD对业务稳定性怀抱的敬畏之心。
一、
您看到AD全年市占率与第一仅差0.1%,
也许还未看到为缩小差距背后对产品的打磨。
(1)打磨新版本,建构全局负载下的竞争力
2021年11月,AD推出7.0.21版本。
研发团队用2年时间,走访100多个客户,经历37次专案研讨会,新版本通过重构DNS架构,满足用户在多活/多云场景、微服务场景、本土化场景等多场景下对于性能、操作简易性、安全等多维度的需求。

尤其值得一提的是,新版本60G配置DNS性能高达 230W,比市面上同等配置的设备性能高出近5倍!
(2)推出新场景,解决SSL流量不可视和安全设备编排痛点,保障业务连续性
高访问流量或并发造成安全设备故障、流量堵塞,从而导致业务中断;
HTTPS的业务流量不可视,无法做到安全防护,卸载又大量消耗安全设备的性能。
这是不少用户在实际业务中遇到的困境。
立足于上述痛点需求,
AD推出SSLo流量编排解决方案——
重塑传统“糖葫芦串”安全架构,打破困境,
打造“6可”价值:
安全SSL流量可视、安全设备性能可扩
整体网络延迟可降、流量智能编排可控
安全设备间可异构、投资回报率可提升
就这样,AD在为用户解决实际难题,
也在变化与趋势下突破自己。
二、
您看到AD用户突破10000多家,
遍布金融、大企业、政府、医疗、教育、能源等千行百业,
也许还未看到它早已深入用户的核心业务区,并稳若泰山。
某国有大型商业银行稳定运行超过510天?

某西南地区农商行稳定运行超过1846天 ?

某股份制银行稳定运行超过1063天 ?

某华南地区农商行稳定运行超过735天 ?

三、
您看到了一个国产第一品牌过往12年的努力
也许还未看到它没有放弃继续探索、主动进化
随着容器云的出现、用户业务的微服务化转型不断深入,用户对负载均衡提出了新的要求,深信服推出云原生应用交付(CNAD),助力用户解决云原生时代下的负载均衡难题。
纯软件形式的应用交付产品,适配云、容器、物理服务器以及国产操作系统等多种环境;
具备高性能、高可靠、弹性伸缩、集中监控、统一管理能力;
可解决国产化、容器化等新型 IT 环境下各类业务发布问题;
同时具备规模化管理能力,能实现业务统一发布,拥有可视的统一接入平台,具备声明式 API(支持 DevOps)功能,在负载均衡领域具有极强的前瞻性和技术领先型。
AD从不固步自封,始终求变、求新。
正如AD一如既往的信条:
在各类环境下构建稳定、高效、安全的应用交付平台。
好文章,需要你的鼓励
Meta宣布将向云端AI基础设施供应商CoreWeave追加210亿美元投资,以跟上竞争对手的AI发展步伐。此前,Meta已于去年9月与CoreWeave签订142亿美元合同,新协议将服务期延伸至2027至2032年。CoreWeave运营着大规模数据中心网络,配备大量英伟达GPU芯片。Meta今年AI基础设施总预算高达1150至1350亿美元,并新设超智能实验室推进前沿模型研发。CoreWeave同日宣布将额外融资30亿美元,用于扩建数据中心。
Alaya Studio联合多所顶级大学开发的"生成式世界渲染器"实现了虚拟游戏画面与真实视频间的双向转换。该系统通过从《赛博朋克2077》和《黑神话:悟空》收集400万帧高质量数据,训练AI理解材质、光照等视觉要素。创新的ReShade数据采集技术和VLM评估方法解决了传统合成数据的局限性,在材质识别和场景编辑方面取得突破性进展,为游戏开发、影视制作和创意设计提供了强大工具。
微软宣布自5月1日起,Windows 365云电脑价格下调20%,旨在降低中小企业的使用成本。此次调价伴随体验变化:用户断开连接后云电脑将保持运行一小时,超过一小时后重新连接需等待从休眠状态恢复。目前Windows 365商业版提供三档配置,月费分别为31、41和66美元。Gartner预测,到2027年将有20%的员工以云电脑为主要工作终端,微软此举意在扩大市场份额。
北京大学等机构联合发布DataFlex框架,这是首个统一的数据中心化动态训练系统。该框架让AI训练从"填鸭式学习"升级为"智能化学习",通过动态数据选择、配比调整和权重分配,显著提升模型性能和训练效率,同时保持与现有训练流程的完全兼容性。