本周末,思科的年度经销商活动“合作伙伴峰会”于迈阿密举行,思科通常会在这个会议上宣布一些新产品。但是,引导全球合作伙伴生态系统进入新兴领域,使其获得更大的成功也同样重要,因为思科大约有90%的业务都是通过渠道实现的。
不出所料,人工智能是此次大会的一个重要主题,思科强调了将人工智能整合到日常业务流程中的重要性。根据思科即将发布的人工智能就绪指数(AI Readiness Index)调查结果显示,约70%的企业认为其现有的信息技术基础设施不具备可扩展性,因此还没有为人工智能做好准备。这些数据表明,许多组织在调整现有的 IT 环境、支持人工智能需求方面可能面临挑战。
思科全球合作伙伴GTM Acceleration副总裁 Jason W. Gallo 在为分析师举行的预汇报会上表示:“人工智能用例越来越多地要求在源头、数据中心和边缘以非常分散的方式分析数据。”“我们的客户可能会受到诱惑,建立独立的人工智能服务器孤岛,这将造成巨大的管理负担,并带来安全和技能方面的挑战。”
虽然人们对人工智能的兴趣很高,但大量客户认为他们的基础设施还没有为人工智能做好准备,这为合作伙伴提供了绝佳的机会。客户可能会愿意花钱更新他们的基础设施,但是,我同许多客户进行过交谈,他们不知道从何处入手。新的人工智能就绪指数让合作伙伴能够帮助客户了解他们的现状和最终的状态。
为了应对当今IT部门在部署人工智能解决方案时遇到的挑战,思科与NetApp、Nutanix、Nvidia、Pure Storage和Red Hat等行业领导者合作开发了思科人工智能验证设计(Cisco Validated Designs for AI,即CVD)。CVD可被视为思科的技术设计蓝图,使企业更容易采用人工智能,而不会带来额外的复杂性或创建单独的、难以管理的系统。
在软件定义广域网、安全、自动化和边缘计算等其他技术领域,CVD对思科来说也非常受欢迎。端到端的设计降低了风险,加快了上市时间,我预计人工智能CVD会取得巨大的成功。
此外,思科还大幅增强了全栈可观察性平台(Full-Stack Observability Platform),允许开发人员创建适合其特定需求的定制模块。这些模块可以帮助企业深入了解可持续发展等问题的方方面面,并提高运营效率。我们的想法是利用遥测数据,并将其转化为可操作的见解,帮助改进业务战略。
Gallo表示:“我们不断增加并增强FSO平台的功能。”“这为我们的合作伙伴提供了通过开放式 API访问这些功能的机会,使他们有机会开发集成并积攒自己的知识资本。”
在网络安全方面,思科发布了新的安全套件,重点关注用户、云和漏洞保护。Gallo解释说,这种新方法重新定义了网络安全产品的打包和消费方式,有望提供一种集成化、可预测、经济高效的解决方案。思科的战略包括确定最关键的用例,并确保其产品与各种系统兼容。
最后,思科分享了合作伙伴创新挑战赛的最新情况。该计划的参与人数激增,反映出它在推动新解决方案方面取得的成功。第六届年度挑战赛推出了一个名为“Partnering for Purpose”的新奖项,鼓励合作伙伴在提供数字接入、改善工作生活、应对气候变化、保护环境、应对紧急情况和满足人类基本需求等领域进行创新。
我很高兴看到“Partnering for Purpose”奖项的设立。思科有一个明确的目标,即“为所有人创造一个包容的未来”,但如果不通过合作伙伴社区扩大规模,就无法产生巨大的全球性的影响。新奖项的重点是改善世界,我希望看到思科继续奖励在这方面做出最大贡献的合作伙伴。
今年的合作伙伴创新挑战赛获奖者包括特等奖获得者Ormit Solutions,该公司为学术和住宅社区开发了一种Wi-Fi解决方案。第二名获得者Long View Systems开发了一个楼宇管理系统,该系统利用现有的思科技术提供节能和以用户为中心的控制。第三名获得者 CAE Labs建立了一个网络智能平台,通过面板为客户提供思科资产的完整视图。
多年来,我一直听到这样的猜测:思科希望将其合作伙伴排除在外,从而使公司保留更多的利润。实际上,事实绝非如此。
与我交谈过的每一位思科高管,上至首席执行官Chuck Robbins(如图),下至普通员工,都不断强调渠道的重要性。会议第一天的新闻重点是帮助思科的合作伙伴在人工智能、安全和FSO领域获得更多业务,如果合作伙伴取得成功,思科及其客户也将取得成功。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。