随着AI持续重塑技术和商业格局,企业在AI时代的网络连接意味着必须始终在线,并在主权和安全方面保持额外警惕。
这意味着速度并非唯一要求。正如Expereo首席数字官Julian Skeels所指出的,更重要的是"确定性"。"AI工作负载是分布式的,持续运行的,对延迟极其敏感。推理、监控、检索和修复从不停止,这改变了网络的角色,"Skeels说。
"在AI世界中,网络实际上成为了系统依赖,"他补充道。"当网络性能下降时,应用程序立即受到影响。"
"支持AI的网络需要使数据移动变得确定性。这不仅仅是速度快的问题;而是要可预测、可观察、可治理和有弹性——并且要在持续变化中做到这些。"
然而,许多首席信息官目前正在与Skeels描述的"连接无处不在但可视性缺失"的问题作斗争。
"他们正在处理混合网络、多个云、多个提供商和门户,这些给他们的团队带来了持续的运营拖累,"Skeels说。"他们想要的是清晰度和控制力——而不是更多工具。"
Skeels去年加入Expereo,拥有丰富的跨行业产品和数字化转型经验。他发现这个行业已经为加速变革做好了准备,而公司决心引领潮流,确保全球连接定价应该以分钟而不是几周来计算。
"当我来到Expereo时,我看到全球连接在很长时间内基本上抵制了真正的数字化转型,"Skeels指出。"大多数客户仍然会感受到缓慢、手工、不透明以及在他们需要合作的数十个提供商和门户之间的碎片化。"
"不过,我们相信,随着智能体AI等新兴技术的出现,这种情况终于在改变,"Skeels补充道。"我们在这里的目标是让全球连接对我们的客户来说像云计算一样简单、即时和透明。"
为客户实现这种变革需要速度和可视性的结合——这就是expereoOne平台的作用,提供公司所称的"生活速度的可视性",为客户提供对部署内容、性能表现和成本的单一全球视图。除了可视性,客户还需要主动性,正如Skeels解释的那样。
"我们深度集成到客户的订单管理、ITSM、ERP系统中,这使得大规模与Expereo合作变得绝对无缝,"他说。
"关键点在于,更好的可视性不是关于更多仪表板。而是将网络行为与他们在弹性、安全体验和成本方面的业务结果连接起来。"
网络挑战与AI时代的新要求
Skeels将在2月4-5日的全球数字化转型博览会上就设计支持AI的网络发表演讲——他的会议承诺颠覆与会者通常听到的建议。
"我想挑战一些观点,"Skeels指出。"我想请人们考虑甚至忘掉他们过去学到的一些东西。我们过去认为理所当然的很多网络知识在AI世界中不再适用。"
Q&A
Q1:AI时代的企业网络连接有什么新要求?
A:AI时代的企业网络连接不仅需要速度,更需要"确定性"。AI工作负载是分布式的,持续运行的,对延迟极其敏感。推理、监控、检索和修复从不停止,这使得网络成为系统依赖。当网络性能下降时,应用程序立即受到影响,因此网络需要使数据移动变得可预测、可观察、可治理和有弹性。
Q2:目前企业在网络连接方面面临什么主要挑战?
A:许多首席信息官面临"连接无处不在但可视性缺失"的问题。他们需要处理混合网络、多个云、多个提供商和门户,这些给团队带来持续的运营拖累。客户体验仍然是缓慢、手工、不透明以及在数十个提供商和门户之间碎片化的。他们需要的是清晰度和控制力,而不是更多工具。
Q3:expereoOne平台如何解决企业网络连接问题?
A:expereoOne平台提供"生活速度的可视性",为客户提供对部署内容、性能表现和成本的单一全球视图。该平台深度集成到客户的订单管理、ITSM、ERP系统中,使大规模合作变得无缝。重点不是提供更多仪表板,而是将网络行为与业务结果在弹性、安全体验和成本方面连接起来。
好文章,需要你的鼓励
这期是技术加情怀了。极少数人基于热情和对卓越的执念,构建了数十亿人每天依赖但普通人从不知晓的基础设施。
这篇来自上海交通大学的研究构建了名为AcademiClaw的AI测试基准,收录了80道由本科生从真实学业困境中提炼出的复杂任务,覆盖25个以上专业领域,涵盖奥数证明、GPU强化学习、全栈调试等高难度场景。测试对六款主流前沿AI模型进行评估,最优模型通过率仅55%,揭示了AI在学术级任务上的明显能力边界,以及token消耗与输出质量之间近乎为零的相关性。
Antigravity A1无人机推出"大春季更新",新增AI智能剪辑、语音助手、延时摄影模式及升级版全向避障系统。用户可通过语音命令控制Sky Genie、深度追踪等核心功能,虚拟驾驶舱支持第三人称视角飞行。随着产品进入墨西哥市场,Antigravity全球覆盖已近60个国家,持续推动无人机向更智能、更易用方向发展。
Meta AI安全团队于2026年5月发布了代码世界模型(CWM)的预发布安全评估报告(arXiv:2605.00932v1)。该报告对这款320亿参数的开源编程AI在网络安全、化学与生物危险知识及行为诚实性三个维度进行了系统性测试,并与Qwen3-Coder、Llama 4 Maverick和gpt-oss-120b三款主流开源模型横向比较,最终认定CWM的风险等级为"中等",不超出现有开源AI生态的风险基线,可安全发布。