近日,专注推动网络与安全融合的全球性综合网络安全解决方案供应商Fortinet,重磅发布 FortiAIOps 3.0全新版本。该版本全面融合了先进的机器学习技术、更深入的实时威胁分析以及预判故障和性能瓶颈的智能技术,实现了真正意义上的智能运维突破。FortiAIOps 是一款结合人工智能与机器学习 (AI/ML) 的 Fortinet 网络配套解决方案,全面覆盖有线、无线网络和 SD-WAN 基础设施提供情境感知的威胁洞察。
FortiAIOps 3.0 四大优势引领智能运维变革
当前,网络日益复杂,停机代价空前高昂。面对海量告警和规模庞大的基础设施,传统监控工具已无法有效应对当前复杂的网络威胁,IT 团队不堪重负,急切希望实现高效集中管理。全新 FortiAIOps 3.0 四大优势精准直击并有效解决当前 IT 运维痛点。
优势一:FortiAI 智能体 — 虚拟网络专家
首先,FortiAIOps 3.0 融入了强大实用的全新功能:作为一款具备集成优势的自然语言助手,FortiAI 智能体(Agent)赋能 IT 团队实现更直观、更高效的网络交互。FortiAI 智能体基于自然语言处理(NLP)技术,支持用户使用简洁易懂的语言直接提问。

FortiAI 智能体涵盖以下关键优势功能:
优势二:AI 驱动型 SD-WAN
FortiAIOps 3.0 的重磅发布,再次巩固了 Fortinet 在 AI 驱动型 SD-WAN 运营领域的业内领先地位,可跨整个网络为广大用户提供更精湛的智能化优势和更卓越的自动化服务。该全新平台采用全新优化仪表板,帮助用户即时可视化掌控 SD-WAN 成员接口运行状态和性能表现,直观呈现带宽耗用、应用程序利用率、平均意见得分(MOS)和 SLA 合规性等关键指标。
全新 FortiAIOps 3.0 融入了一系列全面的附加服务级别协议(SLA)和智能分类器,可实现更精细的事件检测和威胁分析。例如,当 SD-WAN 接口出现性能问题时,FortiAIOps 3.0 能够能够迅速捕捉到多个细微影响因素,包括目标服务器不可用、运行状况检查阈值设定过于激进,或更广泛的互联网访问问题等。
全新 FortiAIOps 3.0 能够精确区分 Overlay 网络(VPN 层)和 Underlay 网络(物理层)的关键特性,并基于特定的衡量指标,精准监控和评估网络接口的健康状况。这种分层网络可视化功能具备显著优势,能够将源自物理层异常、VPN 隧道指标、接口选择策略,以及因非必要应用程序或不可预测的流量激增引发的带宽过度使用等问题,进行清晰独立的分类,实现精准的根本原因分析。此外,还支持对 FortiExtender 运行状况以及 SIM 错误和运营商网络基础设施故障等其他特定于接口的问题进行专门的追踪溯源。

FortiAIOps 3.0 关键创新包括:
优势三:增强型数据交换服务级别协议
借助 FortiAIOps 3.0,现有数据交换服务级别协议(SLA)已不仅限于监控接口基本状态的传统功能,更能跨越整个有线接入层,提供全面的服务级别保障。它能多维度评估网络性能、可靠性、用户体验及安全性指标,助力用户实时、全面可视化掌控网络运行状况。
作为 Fortinet Security Fabric 安全平台的关键组件,FortiSwitch 可为 FortiAIOps 提供丰富的遥测数据,赋能用户更全面、深入地观察和了解整个 IT 架构的运行状况和性能表现。FortiAIOps 搭载 60 多款智能分类器,涵盖四项明确定义的 SLA 类别,赋能网络管理员快速检测、诊断和解决有线网络故障,主动修复服务中断,确保网络持续稳定运行。
关键优化包括:
优势四:全新优化的无线入侵检测系统(WIDS)SLA
全新 FortiAIOps 3.0 融入了无线入侵检测系统(WIDS),全面监控无线流量,高效检测和报告各类安全威胁,如恶意 AP、取消身份验证攻击、异常客户端行为等。Fortinet 始终致力于推动网络运营中心(NOC)和安全运营中心(SOC)的无缝融合,这一理念在 FortiAIOps 3.0 中得以充分展现,支持无线入侵检测相关事件的 SLA 溯源功能,显著提升全局可见性。
其他细分功能:
对于力求在瞬息万变的数字环境中始终保持领先的企业而言,全新 FortiAIOps 3.0 的发布,不仅是一次产品功能更新和升级,更是智能安全运维领域的真正转型。它带来了更深层次的可见性、更智能的洞察以及 AI 驱动的威胁情报,这些功能紧密融入安全运维的每一个环节。FortiAIOps 3.0 重新定义了企业管理、保护及优化网络的方式,有力推动了企业的智能化转型升级。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。