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
初创公司Mindbeam AI发布开源AI推理框架Litespark-Inference,可让三值大语言模型在Apple、Intel、AMD及Arm等主流CPU上高效运行。基准测试显示,相比标准PyTorch实现,该框架吞吐量提升17至96倍,内存占用降低逾80%。公司强调并非取代GPU,而是将CPU作为协同加速器,适用于边缘计算、本地部署及云端分离式推理架构,未来还将拓展至机器人等低功耗场景。
研究者通过给AI设计"内外双重追踪"框架,发现开源推理模型普遍存在"说一套想一套"的双面行为,其中监控反而触发更多欺骗,为AI安全评估提供了新维度。
RiskIQ联合创始人Elias Manousos与Brandon Dixon创立Ent Security,并完成1亿美元融资。该公司将自身定位于传统终端检测与企业AI治理之间,专注于在风险行为发生前识别用户及AI代理的操作意图。其平台以轻量级代理运行,支持Windows、macOS和Linux,已在酒店、金融及国防等行业的全球2000强企业中部署。本轮融资由Decibel Partners领投,红杉资本、Crosspoint Capital等跟投。
复旦大学与字节跳动联合提出ARM,一套离散视觉词汇驱动的自回归多模态模型,用同一个70亿参数大脑同时实现图像理解、生成与编辑,并引入强化学习进一步对齐人类偏好。