Cisco 的研究发现,尽管大多数中断源自拥堵、网络攻击和配置错误,但 IT 领导者认为,适当的基础设施可以保护性能并释放未来价值。
这项调查由 Sandpiper Research & Insights 代表 Cisco 于2024 年 12 月在30个市场进行。调查对象为8,065名全球高级 IT 及业务领导者,他们负责拥有250名或更多员工的组织的网络策略和基础设施。
Cisco 认为,研究发现了六个迹象表明,架构转型正在进行,并推动了这样一种观点:现代网络必须更加智能、更安全且更具适应性。具体来说,即网络已成为战略重点;安全网络是关键任务;人工智能 ( AI ) 加剧了对强韧网络的需求;IT 领导者正寄望于 AI 来增加收入;AI 正在重塑基础设施;而 IT 领导者希望使网络更加智能。
研究强调了 IT 领导者如何通过现有网络带来财务价值 —— 主要是通过改善客户体验 (55%)、提升效率 (52%) 和推动创新 (51%)。但 Cisco 警告称,如果这些价值来源于未为 AI 或实时扩展而设计的基础设施,则其大部分价值都面临风险。
为释放他们预期的全部增长和节约成本,调查中的 IT 领导者确定了必须弥补的关键缺口,例如系统割裂或部分集成 (58%)、部署不完整 (51%) 以及过度依赖人工监管 (48%)。构建更智能、更安全、更具适应性的网络正是投资的商业理由。
近九成 (89%) 的受访者表示,改进网络将直接带动收入增长,而几乎所有人 (93%) 都预期会有显著的成本节约 —— 这一点来源于更智能的运营、更少的中断和更低的能耗。
进一步深入研究发现,网络推动了迄今为止的每一次数字化转型;而要大规模支持 AI、物联网 ( IoT ) 及云计算,网络都是基础。调查显示,受访的 IT 领导者正将投资与这一现实相匹配。
多达94% 的人表示,在未来两年内,AI、物联网 ( IoT ) 及云计算将对他们的网络产生最大的影响,其中62% 认为这一切将完全归功于 AI。此外,97% 的人表示现代化网络对推广 AI、物联网 ( IoT ) 及云计算至关重要,而91% 的人计划提高分配给网络的 IT 预算比例。
随着用于网络的 AI 与用于 AI 的网络的普及,Cisco 指出,尽管 AI 需要快速且不间断的数据访问,但许多网络实际上无法满足这一需求。它补充说,领导者们知道中断的成本远高于停机时间 —— 它不仅影响收入,还会冲击生产率和增长。以 AI 为本、具备自主能力的网络被视为未来增长的关键,但只有41% 的人部署了诸如细分、可见性和控制等智能功能。
调查中有超过四分之三 (77%) 的人表示,他们在过去两年中经历过重大网络中断。调查发现,主要的中断原因是拥堵、网络攻击以及软件或配置错误。超过一半 (52%) 的人认为收入是受中断影响最大的业务领域,每家公司每年一次严重中断全球累计损失达1600亿美元。
Cisco 观察到,随着网络威胁日益复杂,网络作为第一道防线,帮助安全团队更有效地应对不断涌现的由 AI 驱动的风险。调查显示,98% 的人认为安全网络对运营和增长非常重要,61% 的人视其为关键。此外,94% 的人相信现代化网络将增强网络安全性。
在评估研究揭示的趋势时,Cisco EMEA 的首席技术官兼解决方案工程副总裁 Chintan Patel 表示,AI 正在改变一切,而基础设施正处于这一变革的核心。
他说:“网络推动了每一次数字化转型,加速了物联网 ( IoT )、云计算、混合办公的融合,并有效应对不断上升的安全威胁。IT 领导者清楚,他们今天构建的网络将决定他们明天的业务形态。只有现在采取行动的人,才能在 AI 时代中领先。”
好文章,需要你的鼓励
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
微软八月补丁星期二更新修复了超过100个漏洞,其中包括8个关键的远程代码执行漏洞,影响DirectX、Hyper-V、Office等多个产品。此外还修复了Windows NTLM权限提升漏洞、Hyper-V信息泄露漏洞等。值得关注的是Windows Kerberos权限提升漏洞CVE-2025-53779,虽然已有公开利用代码但暂无实际攻击证据。SharePoint的两个漏洞也需重点关注,特别是RCE漏洞CVE-2025-49712可能与已知认证绕过漏洞组合使用。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。