中国北京,2023年2月10日——提供人工智能驱动安全网络的领导厂商瞻博网络(NYSE:JNPR)今天发布了最新的瞻博网络全球合作伙伴优势(Juniper Partner Advantage ,JPA)计划。瞻博网络在去年推出了一个新的精英合作伙伴层级Elite Plus,现对JPA进行大规模升级。
精英合作伙伴层级的优质成员数量正在按预期向30%的增速目标迈进,进入2023年,瞻博网络又为其更广泛的JPA合作伙伴优势计划引入了新的内容,通过托管服务帮助合作伙伴为它们的客户提供最具创新性的解决方案。新的JPA架构有助于合作伙伴构建和支持瞻博网络业务,以网络即服务(NaaS)模式经销瞻博网络的解决方案和托管服务。凭借新的设计、销售和市场营销工具,合作伙伴可以定制计划,提升盈利能力,推动持续增长,并获得更多奖励和回报。合作伙伴也可以更快地进入更高层级,预计2023年精英合作伙伴的规模将继续扩大。
瞻博网络全球渠道与虚拟销售集团副总裁Gordon Mackintosh表示:“我们90%的业务都来自合作伙伴,它们的成功对于我们至关重要。我们在2023年升级这一计划,是基于合作伙伴为先的理念,以确保为合作伙伴提供他们发展业务所需的战略、投资和工具。我们相信,凭借业界一流的合作伙伴计划与市场上最具创新性的产品,瞻博网络可为合作伙伴提供更为有力的支持。”
2023计划新增亮点包括:
- 顶级合作伙伴层级Elite Plus:瞻博网络将在今年为最优秀的合作伙伴提供更多支持,包括新的ROI模型、简化的MOU流程和新的奖励措施,推动合作伙伴持续增长。
- 扩展的领军者计划:瞻博网络领军者(Champions)计划于2022年再次启动,其成员已从800人发展至2300人,今后将进一步扩大。2023年,瞻博网络将为包括全球合作伙伴、营销合作伙伴和瞻博网络分销商在内的更大合作伙伴群体提供更多优势。
- 全新数字工具:瞻博网络在今年推出了合作伙伴业务中心和Velocity定价工具。配合PartnerLink,合作伙伴可实时获得瞻博网络团队的帮助,从而快速完成交易。
- 扩展的“多元化+”合作伙伴计划:该计划支持经过认证的多元化合作伙伴企业,并在6个月的时间内发展至44家合作伙伴,并计划在2023年覆盖更大范围。
瞻博网络全球合作伙伴计划和营销副总裁Helda Lopes表示:“通过新的Velocity定价工具、合作伙伴业务中心和优势洞察(Advantage Insights)等资源,我们的合作伙伴在2023年能够更高效地采取行动、更快地完成交易,并在更高水平进行竞争。我们非常重视合作伙伴的成功,愿意通过新的解决方案和计划等助力他们的成功,这些也都是我们实现发展的关键。瞻博网络在不同层次的分销合作伙伴数量在2022年增加了18%,我们预计2023年将继续保持这一增长趋势。”
随着合作伙伴计划不断发展壮大,瞻博网络也在扩大领导层团队,以确保公司适应现代网络的挑战,继续快速推进业务。因此,Ben Fallon加入了瞻博网络,任全球合作伙伴与虚拟销售副总裁,负责根据瞻博网络快速发展的虚拟销售形势进一步优化渠道合作。他拥有丰富的全球渠道、分销、欧洲、中东和非洲商业、小企业与安全销售和市场开发经验,为瞻博网络带来了深厚的行业知识和前瞻性理念。
Ben Fallon表示:“瞻博网络对Mist、Apstra和128 Technologies等公司的投资让我们可以继续引领下一代企业网络。我十分高兴在这一激动人心的时刻加入瞻博网络团队。”
以上计划于近日启动,更多信息将于瞻博网络年度合作伙伴高层峰会上分享。
好文章,需要你的鼓励
讨论AI发展前景及其对各行业的影响,以及加速计算的未来。演讲将涵盖人工智能、机器人技术、仿真、游戏和内容创作等前沿技术。此次演讲备受关注,特别是在英伟达与Synopsys深化合作以及收购Groq和SchedMD之后。观众可通过YouTube观看直播。
SimWorld是由UCSD等多所顶尖院校联合开发的革命性AI仿真平台,基于虚幻引擎5构建了具备真实物理规律的虚拟城市环境。该平台支持无限扩展的程序化世界生成和自然语言交互,让AI智能体能够在复杂环境中学会生存、合作和竞争,为通用人工智能的发展提供了前所未有的训练平台。
波士顿动力在CES 2026上发布了新版Atlas通用人形机器人。新原型机以轻快且极其类人的步伐登台,展现了令人印象深刻的行走能力。该机器人拥有56个自由度,配备全旋转关节和具备触觉感知的人类尺寸手部,能够执行材料排序、装配和机器维护等任务。Atlas将首先在现代汽车集团位于乔治亚州萨凡纳的制造工厂投入使用。现代汽车还宣布与谷歌DeepMind合作,将Gemini机器人技术集成到波士顿动力系统中,推动物理AI领域发展。
浙江大学联合华为提出C2DLM,这是一种因果概念引导的扩散语言模型,通过自动提取因果关系并融入注意力机制来增强AI推理能力。相比传统方法,C2DLM在推理任务上平均提升1.31%-12%,训练效率提高3.2倍,为解决语言模型推理能力不足开辟了新路径。