博客

  • 程式設計世界已經發生了變化,程式設計師的學習成長也發生了變化

    原創 21CTO
    我還記得我決定成為一名程式設計師的那一刻:那是在 1985 年,收音機裡播放著杜蘭樂團的《狂野男孩》,當時的我必須做出一個重要的選擇:「選電腦還是摩托車?」
    在 14 歲時,這是一個艱難的選擇。
    一方面,你可以在腦海中意識到什麼是喜歡數學的男孩的自然進化,那就是理解什麼是電腦科學,並做像《戰爭遊戲》這樣的電影中描繪的任何一個孩子都能夠做到的事情;
    另一方面,買一輛摩托車,在街上自由飛馳,可以去任何你想去的地方,向女孩們展示你不再是書呆子刻板印像中的自己。
    這是一個艱難的選擇,令人痛苦,我思考了好幾個月,但就像我一生中所有最好的選擇一樣:本能地,以一種完全隨機的方式。
    於是,計算機獲勝了。
    經過幾個月的等待,當我成功說服我的父母這是一個不容錯過的選擇時,我拉著我的父親購買了它。
    我父親認識一個人,他開了一家“Olivetti 商店”,這在 80 年代意味著處於電腦世界的中心,而第一個提議就是“Olivetti Prodest”。我當時還年輕,對程式設計一無所知,但我確定相信一件事:Prodest 是個錯誤的選擇。
    大家都有 Commodore64,難道我也可以買一台 Prodest 嗎?
    我花了好幾天說服父親,Prodest 不會有未來。
    「Commodore 才有未來,它才是未來的電腦。」現在回想起來,我明白這種說法是多麼沒有根據,除了那個時期的打擊廣告外,我沒有任何數據支持。
    我不記得購買的那一天,我只記得安裝時的喜悅:它涉及連接電源和顯示器,實際上是一台黑白電視。
    第一天我非常沮喪:他們送我一個遊戲當禮物,而我花了一整個晚上玩它。
    我以為我會睡個好覺,但那天晚上我卻無法合眼,喜悅、興奮和失望交織在一起。
    在那個年紀,疑惑總是多於確定:我為什麼要浪費整個晚上玩遊戲,而不是去當「程式設計師」?
    畢竟,我什至不知道這意味著什麼,但我確信這不是玩,而是別的什麼。
    接下來的幾天,我把那本手冊反覆看了好幾遍:一本A5大小的活頁夾,封面是條紋的,上面印著Commodore的標誌。
    我好像還記得紙張上的油墨味道,但也許這只是我的錯覺。
    從那時起,就開始了多年的錯誤、嘗試、預期的成功和失敗。
    從一種語言到另一種語言,從一種計算機到另一種計算機,從一個作業系統到一個作業系統,從一個庫到一個庫,從一個框架到一個框架。
    這是一段持續數十年的旅程,每天我都會學到新的東西,每天我都明白學習永無止境。
    但那都是過去式了,是永遠不會再回來的浪漫過去:現在程式設計已經開始不一樣了。今天成為程式設計師
    如今,成為一名程式設計師已經完全失去了 80 年代和 90 年代的魅力。
    學習程式語言曾經意味著擁有一份工作,而今天它有時意味著擁有一個可以幫助你解決部分問題的工具。
    程式語言不再是目的地,而僅僅代表著一條沒有盡頭的道路的第一步。
    這一方面使許多年輕人對從事程式設計職業感到沮喪,也讓他們面臨一系列過去不存在的挑戰,讓他們越來越常常感到能力不足,害怕無法勝任任務。選擇悖論與表現焦慮
    如今,有抱負的程式設計師不再需要在電腦和摩托車之間做出選擇,而是要在數十種語言、數百種框架和無數的職業道路之間做出選擇:前端、後端、行動、數據科學、Sec、DevOps,而且市場每天都會發明一個讓每個人都感到措手不及的新縮寫詞:DevSecOps、FinOps 等等。就像巴里·施瓦茨(Barry Schwartz)在他的著作《選擇的悖論》(2004)中所指出的,過多的選擇反而會導致決策癱瘓與不滿。
    在程式設計世界中,這種現象尤其明顯:根據 Stack Overflow 開發者調查,目前活躍使用的程式語言超過 80 種,而且新的框架還在不斷湧現。
    這種豐富不再是一種富裕,它並不意味著我們可以做任何事情,而是一種讓程式設計師感到越來越沒有準備的方式:無論他們選擇哪條路,最終陷入一個價值不大的利基市場的風險越來越大。
    這就是為什麼程式設計師應該逐漸脫離技術部分,專注於解決問題的態度,這是一種具有一定程度交叉學習的實踐,應該有助於解決選擇最佳語言的悖論。
    對於 80 年代額頭上長著一撮濃密鬍鬚的人來說,最常問的問題是“我怎樣才能讓這個精靈動起來?”,然後變成“哪種技術可以保證我在未來 5 年內保有一份工作?”,現在開始轉變為“我怎樣才能在不斷發展的世界中保持領先地位?”
    如果這還不夠,想想互聯網社區帶來的壓力。如果說 80 年代的比較僅限於幾個朋友或雜誌,那麼如今 GitHub、LinkedIn 或 Twitter 等平台不斷曝光成千上萬其他開發者的作品,助長了人們的「冒名頂替症候群」。
    以下是該症狀的一些解釋(來自於DeepSeek):

    圖源:chat.baidu.com
    大多數的 IT 專業人士在其職業生涯中至少經歷過一次冒名頂替綜合症,而程式設計師受到這種現象影響尤其嚴重,因為我們的工作具有協作性和公開性。
    你總是感覺自己落後了一步,沒有時間去閱讀和思考去嘗試。
    例如在此時,在北京郊區的地下室裡,一個開發團隊創建了一個有望徹底改變開發世界的工具,而你,一個仍然被同事欺負的可憐程式設計師,感覺自己越來越落後了。
    人工智慧的影響
    實際上說的這些還不夠,現在GitHub Copilot、ChatGPT、Gemini 或Claude等基於人工智慧的工具的出現正在改寫規則。
    如果說它們一方面可以加速開發並幫助克服障礙,另一方面也面臨著培養一代只懂「問」卻不懂得「做」的程式設計師的風險。
    這種風險在於失去對原理機制的深刻理解,將批判性思考交給機器。而你學習的是使用工具,而不是從頭開始解決問題。
    正如《人工智慧現狀》報告中所強調的那樣,幾乎所有開發人員都在使用基於人工智慧的編碼工具,但只有一小部分人聲稱完全了解這些工具如何產生他們的解決方案。
    如果我們查看 OpenRouter 一段時間內關於 AI 使用情況的統計數據,我們會注意到這些工具的採用率急劇上升,查詢和互動的數量也呈指數級增長。
    事實上,人工智慧已經成為我們日常工作夥伴,是任何程式設計師生活中必不可少的工具。
    但隨著時間的推移和他們的發展,越來越明顯的是,程式設計師注定會迷失在他們必須檢查的程式碼海洋中,無法控制地增加我們天生的不足感。
    比爾蓋茲表示:Programming will remain a 100% human profession, even a century from now code language:JavaScript(程式設計仍將是一項100%完全人類的職業,即使一個世紀以後,例如現在的程式語言:JavaScript)。
    這句話顯明程式設計師們仍然充滿希望。需要怎樣才能不迷失?
    然而,儘管如此,程式設計的核心並沒有改變。
    它不是語言,不是框架,也不是人工智慧。
    你的內心依然充滿好奇,渴望理解,渴望不斷發明新事物,但又不限於無限地重複我們已經學到的東西。
    以去中心化訊息應用程式 BitChat 為例——它的創建需要對網路協定和密碼學的深刻理解。
    探索新技術的好奇心和迎接新挑戰的決心促成了它的實現:但它的核心是如何寫的呢?透過人工智慧,在一個週末的振動編碼中,但如果沒有人類的思維支持,那麼(到目前為止)沒有任何人工智慧能夠想出它。

    去中心化訊息應用BitChat
    (圖片來源:https://github.com/permissionlesstech/bitchat)能夠將問題分解成微小部分的邏輯仍然是人工智慧必須學習的一門藝術,也是多年進化的結果,我們正試圖日復一日地模仿。
    另一個面向是面對無法找到的 bug 時的韌性。
    程式設計師會先用蠻力攻擊,然後反思、研究,再從新的角度重新解決問題,直到找到可接受的解決方案。
    目前,AI 擁有的只是巨大的蠻力,它們會竭盡全力,但對於壓縮問題或需要整體產品願景的問題來說,但這並不是最佳方法。
    對於當今的程式設計師來說,真正的挑戰並非學習最新的技術,而是學會如何應對各種噪音。
    請你學會選擇一條道路,並全心全意地走下去,而不被「不惜一切代價追求新事物」的狂熱所分心。
    新工具是一種幫助,但不是逃避思考的捷徑,但必須吸收才能最大限度地利用。
    要成為當今的程式設計師,你必須先學會像 1985 年的那個孩子一樣:專注於一個目標,好奇地探索「盒子」裡面的東西,並準備閱讀手冊,即使今天這本手冊和整個網路一樣大。
    來回想比爾蓋茲曾經說過的,我們希望他的這句話不再是個理由:640K ought to be enough for anybody!
    原作:Matteo Baccan 
    編譯:洛逸
    來源:https://www.codemotion.com/magazine/it-careers/the-world-of-programming-has-changed-and-with-it-the-way-to-become-a-programmer

  • Cisco ACI Fabric 中 Leaf 與 Spine 交換器的角色與功能

    Leaf 交换机的作用

    Leaf 是 ACI Fabric 的边缘层,直接连接终端设备、服务器和外部网络,承担大部分数据平面和策略执行功能。

    1. 基础设施与流量转发

    功能说明
    Infra Transit作为 Fabric 基础设施流量的传输节点
    Bridging/Routing为租户流量提供二层桥接和三层路由
    VXLAN/iVXLAN 封装负责隧道的封装(Encap)与解封装(Decap)

    2. 终端学习与同步

    • • Data Path Learning:通过数据平面学习 MAC/IP 端点信息
    • • COOP 同步:作为 Citizen 角色,将本地学习的 EP 信息上报给 Spine(Oracle)用于代理查询

    3. 网关与转发模式

    • • Pervasive/Anycast Gateway:为租户子网提供分布式任播网关,实现跨 Leaf 的无缝三层转发
    • • 转发模式
      • • Proxy:通过 Spine 代理查询未知目的地(如 ipingbounce场景)
      • • Flood:广播未知单播/组播
      • • ARP Unicast:ARP 请求单播优化

    4. 负载均衡

    流量类型负载均衡方式
    单播(Inter-Leaf / Proxy)跨多个 Spine 进行 ECMP 负载均衡
    组播跨多个 FTAG 树进行负载均衡

    5. 组播与 STP 处理

    • • IGMP Snooping:在 Leaf 上执行,优化组播流量转发
    • • STP BPDU Flooding:仅在对应的 Access VLAN / FD(Flood Domain)内泛洪,不会扩散到整个 Bridge Domain
    • • VPC DF/NDF
      • • DF(Designated Forwarder):VPC 正常时,仅由一个 VPC 成员端口转发组播/广播流量,避免重复

    6. EPG 分类与安全策略

    • • EPG 区分依据:VLAN、IP Prefix、iVXLAN 标识
    • • 安全策略执行actrlRule(合约规则)仅下发到 Leaf,策略在边缘执行

    7. 外部路由互联

    • • 与外部路由器对等:支持 OSPF、BGP、静态路由
    • • 路由同步:通过 MP-BGP将学习到的外部路由分发给其他 Leaf

    Spine 交换机的作用

    Spine 是 ACI Fabric 的核心层,主要负责高速转发、代理查询和控制平面协调,不直接连接终端设备。

    1. 流量传输

    功能说明
    Infra Transit为基础设施单播和组播流量提供高速转发路径
    FTAG Root作为 FTAG 组播树的根节点,协调组播流量分发

    2. 端点代理(Proxy)

    • • 租户 MAC/IP 代理:当 Leaf 查询未知端点时,Spine 作为代理提供 EP 位置信息
    • • 隧道处理
      • • Decap:解封装 Leaf → Spine 的 Proxy iVXLAN 隧道
      • • Encap:封装 Spine → Leaf 的响应 iVXLAN 隧道

    3. 控制平面

    协议作用
    MP-BGP Route Reflector作为路由反射器,集中分发外部路由信息
    COOP Oracle与所有 Leaf(Citizen)及其他 Spine 建立 COOP 邻居关系

    COOP 层级结构

    • • Spine 之间的 COOP 邻居称为 Oracle,共同组成 Council(理事会)
    • • Leaf 作为 Citizen,向 Oracle 上报并查询 EP 信息

    要点总结

    维度LeafSpine
    位置边缘层(接入)核心层(汇聚)
    EP 学习直接学习不学习,仅代理
    COOP 角色CitizenOracle(组成 Council)
    策略执行是(actrlRule)
    外部路由与外部对等作为 RR 反射路由
    组播树参与 FTAG 转发作为 FTAG Root
    https://wxa.wxs.qq.com/tmpl/pb/base_tmpl.html

    补充说明

    • • iVXLAN vs VXLAN:iVXLAN 是 ACI 内部使用的增强型 VXLAN,携带额外的策略标识(如 sClass);标准 VXLAN 用于与外部设备互通
    • • FTAG(Forwarding Tag):ACI 用于组播负载均衡的机制,通过多棵树实现流量分散
  • 中小型銀行 SD-WAN 建設:選用評估、規劃要點與核心考量

    導讀

    SD-WAN 雖然已成主流選擇,但對於中小型銀行,其選用、規劃、成本控制等均是技術與管理的雙重測試。
    本文基於銀行實踐,整理六大核心決策維度,對 SD-WAN 講解得非常全面,實用價值高,可以為同儕提供「避坑指南」與思考架構。
    作者:賈超
    某銀行金融科技部 資深工程師
    一、引言隨著金融業務線上化、分行智慧化進程加快,傳統廣域網路在彈性、成本和管理效率上已顯乏力。
    SD-WAN 雖然已成主流選擇,但對於資源與風險承受能力相對有限的中小型銀行而言,如何選型、如何規劃、如何控製成本,每一步都是技術與管理的雙重考驗。
    本文基於我行實際建設項目,整理六大核心決策維度,希望能為同儕提供一份「避坑指南」與思考架構。
    二、 SD-WAN 分類SD-WAN ,全稱軟體定義廣域網路  (Software-Defined Wide Area Network) ,是將軟體定義網路 (SDN) 技術應用於廣域網路 (WAN) 的新型網路方案。
    基於 SD-WAN 網絡方案,目前市場上有各式各樣的 SD-WAN 產品,形態各異,用途也不盡相同。
    基於本次專案實施經驗,我對市場上常見的 SD-WAN 產品進行了歸納分類,該分類未必標準,但有助於溝通交流時,請理解廠商的原始基因和核心意圖。
    分類如下:
    ( 1 )公有雲廠商 SD-WAN 。
    隨著企業業務向雲端遷移,企業的廣域網路 WAN 承載越來越多且雲端相關的應用流量,為了實現分公司與雲端的快速連接,適應新業務快速上線的需求,各家公有雲廠商都推出了各自的 SD-WAN 產品和設備。
    對應包括阿里雲的 SD-WAN (智慧型接取網關 SAG )、騰訊雲 SD-WAN ( Edge 設備)等。
    ( 2 )傳統網路廠商 SD-WAN 。
    此類 SD-WAN 產品,大多基於路由器及對應的硬體 SD-WAN 控制器實現,對應產品包括華為、新華三、邁普、銳捷、深信服的 SD-WAN 相關設備等。
    ( 3 )新興的雲端網路 SD-WAN 。
    此類 SD-WAN 產品,專為 SD-WAN 開發,以會話為中心,與傳統路由表為中心的邏輯差異較大。
    對應產品包括締安科技 SD-WAN 等。
    三、 SD-WAN 決策考慮SD-WAN 專案實施過程,涉及多個決策考量,有產品選用方面,有架構調整方面,也有成本變動方面,針對我們實施的 SD-WAN 專案決策分享如下:
    維度一:技術路線-傳統網路廠商 vs. 新興雲端網路 SD-WAN WAN 中小型銀行業務大多是在上述資料中心還是新興的雲端網路 SD-WAN ?
    傳統網路廠商對 SD-WAN 實現大多以路由協定為基礎,採用 BGP EVPN 技術,透過擴展 BGP 協定,使用擴展後的可達性訊息,使不同站點的底層傳輸網路互通,然後透過 BGP 的多 VPN 能力,最終實現不同站點網路間的隧道封裝資訊從資料平面轉移到控制平面。
    新興的雲端網路 SD-WAN 產品專門為 SD-WAN 開發,與傳統路由表為中心的協定相差較大,可以實現傳統路由操作起來非常複雜的一些功能,例如多線路回程一致性、隨源路由等,而且 SD-WAN 實現過程中,無需升級或替換原有設備,甚至能實現 IDS/IPS 、流控、上網行為審計等功能合一。
    新興的雲端網路 SD-WAN 產品有點類似雲端原生概念,天生 SD-WAN 功能強大,但底層邏輯實作與傳統網路差異較大,相關邏輯無法簡單套用傳統路由交換角度去理解。
    目前金融業多採用傳統網路廠商 SD-WAN 產品,個別金融企業也採用了雲端網路 SD-WAN 產品。
    由於雲端網路 SD-WAN 產品涉及的金融案例相對較少,實際招標採購中也面臨一定問題,結合廠商穩定性等考量,我們選擇了傳統網路廠商 SD-WAN 產品。

    維度二:控制器模式-「強」 vs. 「弱」控制器上對 SD-WAN 功能實現,分為強、弱兩種控制器模式。
    強弱控制器模式本質上是「集中式控制」與「分散式協同」兩種設計哲學的體現。
    強控制器(集中式)策略統一、調度靈活,但對控制器可靠性要求極高;弱控制器(分散式)更依賴本地設備智能,容災性好,但策略複雜度受限。
    簡單來說,弱控制器模式下控制器將相關 SD-WAN 配置下發到路由器上,依賴路由器本身實現流量調度,即使控制器全部故障對 SD-WAN 流量調度等功能無任何影響;而強控制器模式下 SD-WAN 流量調度等功能依賴控制器本身實現,如控制器異常,則 SD-WAN 相關功能無法使用。
    強弱控制器模式的選擇,主要依賴廠商對 SD-WAN 定義的理解與實現,目前主流的華為、新華三 SD-WAN 產品為弱控制器模式。
    各廠商的 SD-WAN 控制器稱呼不同,華為稱為 iMaster NCE-WAN 、新華三稱為 AD-WAN 、邁普稱為 BD-WAN 等等。
    對應的 SD-WAN 控制器硬體實現也不同, SD-WAN 控制器實際上是硬體伺服器安裝 SD-WAN 應用程式實現,有的廠商三台伺服器群組叢集模式實現,有廠商兩台伺服器主備方式實現。
    叢集模式的控制器當機一台、兩台、三台, SD-WAN 控制器唯讀、讀寫模式表現均不相同,具體可參考實際產品宕機後的高可用測試情況,個別廠商宕機三節點伺服器宕機兩台後,控制器即全部失效。
    我們更看重控制器故障場景下的業務自洽能力,傾向弱控制器模式。但也有廠商及同業認為強控制器能實現更靈活的 SD-WAN 調度,傾向強控制器模式。
    維度三:網路架構-“旁掛” vs. “串接”,“保留傳統存取” vs. “ ALL in SD-WAN ”SD-WAN 群組網路模型,包括常見的 hub-spoke 、 full-mesh 、層次化網路、 partial-mesh 群組網路等,以上網路模型多數 SD-WAN產品均支持,組網模型拓樸及要求,設備廠商文件很多,本文也不再贅述,規劃過程中要以廠商推薦的最佳實務為參考,結合現網實際狀況。
    部分中小型銀行 SD-WAN 建設過程,實際上是對傳統 WAN 路由器的替換升級,需要注意個別廠商最佳實踐為旁掛 SD-WAN 路由器,相當於傳統路由器替換升級的同時,還需要單獨新增 SD-WAN 路由器用於流量的管理調度,前期採購成本相對會上升。
    大多數銀行的廣域網路區域除了接取分行及分行外,可能存在部分特殊的分行站點的存取(例如管理歸屬方不同導致等等),改造前期要充分評估所有站點是否都能做 SD-WAN 存取的改造工作,還是只能以傳統路由方式存取。
    多數廠商宣稱 SD-WAN 路由器可以在 SD-WAN 接入的同時承擔傳統路由的功能,但是 SD-WAN 路由器“身兼多職”,不同路由之間極有可能相互衝突。
    對於管理歸屬特殊的站點,我們保留了傳統接取這種方式,這種「混合架構」也增加了一定的管理成本。
    維度四:線路新技術- 5G+SD-WANSD-WAN 組成網路方案,可以對多條混合連結動態調度。
    傳統金融業的廣域網路專線多為 MSTP 專線,這幾年隨著 5G 技術發展, 部分大型銀行已開始應用 5G 線路承載生產業務。
    5G 具有高頻寬、低延時等特點,且 5G 網路部署快、行動快,無需等待營運商安裝或部署專線,可滿足智慧網點快速開通、部分示範業務「行動化」的需求。
    以中國建設銀行為例,在 2021 年中國建設銀行聯合華為,透過 5G+SD-WAN 創新方案共同打造的全球首個新概念 5G+ 智慧銀行。智慧銀行或智慧網點的核心問題是,優化分行金融服務體驗的同時,分行資料流量呈現幾何級數成長。而傳統網點一般採用 MSTP 專線,其僅 2~4M 的頻寬顯然無法支撐智慧應用的運作。
    另一方面,成千上萬個分支網點廣域網路的維運管理,必須需要引進 SD-WAN 做自動化的管理及流量調度。
    實際 5G 應用過程中, 5G 產業專網分為獨立專網、虛擬專網、混合專網三種部署模式,不同業者對三種網路稱呼不同。
    5G 組網也分為過渡型的 NSA ( 非獨立組網 ) 、 一步到位型的 SA ( 獨立組網 ) 兩種。基本成本考慮,中小型銀行大多使用 5G 虛擬專網模式,在 5G 虛擬專網基礎上,增加 AAA 伺服器以及 LNS 匯聚路由器等,是業界主流的 5G+VPDN 解決方案。
    但需要明確的是,如果計劃分支機構數量龐大,不同分支機構的 5G 信號覆蓋要求,運營商的虛擬專網中 5G 與 4G 共用底層通信設施, 5G 鏈路上傳問題也達不到下載質量。
    如果實現想利用 5G 承載生產業務,不同分公司的 5G 訊號均需要事先測試,且後期需要營運商做持續優化。
    維度五: SD-WAN 新考量-扁平化目前金融業分公司直接訪問總部的趨勢越來越明顯,需求越來越集中。
    部分銀行已經進行分行架構扁平化工作,實現分行及自助銀行網路直連省中心,逐步取消分行直連分行。
    扁平化的實施改造將大量的 WAN 線路匯總到了省級中心,大多與 SD-WAN 結合同步進行,利用 SD-WAN 技術對不同線路動態調度。
    扁平化的改造離開不自上而下的大力推動,這是首要前提。
    同時扁平化改造也帶來了成本的巨大變化。
    分行與當地分行互聯集中在一個城市內部,對應的線路為本地線路,而網點與省級中心互聯後,對應線路變成了長途(省內)線路,同樣速率 MSTP 或 OTN 線路帶寬,成本則可能相差幾倍。
    例如,某分行從連接地市分行改為直連省會資料中心,同等 20M MSTP 專線,年租金可能從 1.5 萬元增至 6 萬元,線路成本增幅達 3 倍。
    這個勢必要引進 5G 或 MPLS VPN 等其他資費較低的線路,大多金融業 SD-WAN 改造過程中,與 5G 結合的案例相對較多。
    維度六:成本評估-「採購成本」 vs. 「隱形成本」SD-WAN 路線的選擇,不僅包括了硬體的採購成本,也包括了各種隱形成本,有隱性的各種功能授權成本,也有新技術路線的人力變更實施等成本。
    Gartner 提出 SD-WAN 的四大核心特徵包括:
    ( 1 )支援混合連結存取
    ( 2 )支援動態路徑選擇與負載平衡
    ( 3 )簡化管理
    ( 4 )支援 VPN 及第三方加值服務。
    以 Gartner 所提的「第三方加值服務」為例,大多分公司 SD-WAN 路由器設備,例如防火牆功能、 IPS 功能等增值服務需要購買單獨授權才能支持,部分加值服務的授權價格接近分公司 SD-WAN 路由器本身。
    分行分行若全面啟用安全加值服務,五年授權費可能超過硬體投資。如果分公司較多,則需該部分成本影響非常大。
    以 Gartner 所提的「簡化管理」為例,傳統網路廠商的 SD-WAN 依賴於底層的路由交換, SD-WAN 實施的過程,個別廠商將傳統路由交換的 CLI 腳本命令轉換成了圖形化的 WEB 介面操作,部分 CLI 腳本實現的操作並沒有簡化,甚至有可能增加了操作的複雜度,如果對大量操作機構進行的更具改造。
    四、 SD-WAN 新發展隨著近年 SD-WAN 的使用深入,各網路廠商在 SD-WAN 的基礎上又不斷進行了延伸,其中一個是分公司 LAN 網路與 WAN 網路的融合,一個是分公司 SD-WAN 與資料中心核心流量 SRv6 調度技術的融合。
    以華為廠商為例,前者稱作 SD-Branch ,將軟體定義的理念從 WAN 推廣至分支網絡,將軟體定義的範圍擴展到 LAN 側,支援對 LAN 側設備進行自動化編排與控制,分支機構 LAN 可選擇集路由、交換、防火牆、 IPS 、防病毒、 5G/LTE 和 Wi-Fi 總部的一個有效單元SD-WAN 解決方案。
    後者稱作 Cloud-WAN ,資料中心核心網路和分行網點存取網路均採用 SRv6 協議,建立廣域一張網, SRv6 統一承載業務靈活調優,實現金融業務端到端的敏捷發放、多中心業務協同等功能。
    Cloud-WAN 需要資料中心核心及網點接取全部採用 SRv6 ,實施改造難度相對較大,目前市面上相關廠商成熟度有待進一步提高。
    五、總結回過頭看, SD-WAN 選型沒有“最佳方案”,只有“最適配選擇”。
    “適配”,適配的是每家行的技術堆疊、成本結構和風險偏好。文中提到的幾個向度,每一個都是我們糾結過、討論過的。我們的選擇與思考,未必適用於所有人,而這,恰恰是討論的價值所在。

  • 程式設計師這個職業會在10年內被AI淘汰嗎?

    AI以肉眼可見的速度重塑編程,它能理解需求、產生程式碼、調試糾錯。它像一個不知疲倦、博聞強識的實習生,正在快速掌握從基礎到複雜的開發任務。
    這讓我們不得不直面一個核心問題,當AI越來越“能幹”,程式設計師的角色將走向何方?
    主題:程式設計師這個職業會在10年內被AI淘汰嗎? https://www.zhihu.com/question/591764104
    【回答1】
    壞消息:AI會寫程式碼;
    好消息:客戶說不清楚自己的需求。
    【回答2】
    程式設計師會不會被淘汰我不好說。
    但非程式設計師的能力邊界會被極大拓展,這是我親身經歷過,而且仍在經歷中的。
    回到五年前,我甚至都想像不到我今天除了本職運營工作外,具備了一些外掛出來的設計能力,又具備了一些外掛出來的編程能力,成為了一瓶真正的萬金油。
    【回答3】
    今天和同事剛好討論到這個問題,同事覺得AI寫程式碼非常適合,所以覺得程式猿會失業。
    我表示,你看我們兩個日常工作最大精力真的是花在寫程式碼和審核程式碼上面嗎?如果讓AI取代了低階寫碼功能,不是省力多了,有時間做更重要的事情嘛?
    至少身為一個士大夫以上等級的程式猿,我們更有價值的時間不都是在找出到底現在出了什麼問題,或者我們要去解決什麼問題,如何解決這個問題,分析哪個問題更優先解決,怎麼設計這個系統,怎麼驗證這個系統,審核別人設計的系統好不好之類的嗎。
    【回答4】
    現在我們看到AI很火,大有取代眾多職業之勢,但是,我的看法不變,程式設計師這個工種不會消失,最多只是工作方式變了。
    而且,現在AI的發展並未發生質變,沒有強智能產生,也就是這些AI只能透過機器訓練+來模擬人類智能,但仍是沒有感知的機器。
    對於人類已經重複無數次而且有模式可循的工作,AI的確有很大優勢,但是圈外人或者圈內邊緣人看到AI解一個算法題就得好驚嘆,但是真正圈內人都知道,真實的軟體開發工作可不是解決一個一個獨立的算法題,軟體開發幾乎總是要面對新的問題,每一個軟體專案都是會有獨一無二的挑戰。
    總是要有活人去解決這些獨一無二的挑戰,這需要人,人工智慧無法做判斷。從這個意義上說,總是需要有程式設計師,只是程式設計師的工作方式會改變。
    【回答5】
    起初我的看法是:有可能淘汰一部分程式設計師。
    幾年後,我的看法是:不可能淘汰程式設計師,甚至很難淘汰其它產業。
    為什麼會有這個轉變呢?因為我突然意識到了另一個層次。
    首先說,為什麼我最初認為,它有可能淘汰一部分程式設計師,因為在我看來,它確實能提升一部分任務的效率。
    雖然這部分任務在實際程式活動中佔比並沒有那麼高,但客觀來說,就確實能提升一部分效率。這部分提升量,有的人認為是5%~10%,也有人認為在10~15%。總的來說,你就認為它確實對程式設計的產出效率有提升就是了。
    但是,程式效率有提升這件事,是第一次發生嗎?或者說,2020年的程式效率,跟2010年,2000年,是一樣的嗎?事實上,答案是否定的,在程式設計這個產業誕生以來,它的效率一直都在提升,2020年的程式設計師,能夠以2000年根本想像不到的效率來完成比當初複雜度高出許多的程式。我甚至可以肯定的說,2020年相比2000年之間,在程式設計工具程式語言等方面對程式設計師程式設計效率的提升,幅度其實並不小於AI。
    然而,程式設計師的工作強度,在2000~2020年的這個時間段,究竟是下降了還是提升了?程式設計師是被淘汰了還是程式設計師工作越來越多了?雖然2020年程式效率更高,但程式設計師並沒有比2000年更輕鬆,甚至反而更累了。
    程式設計師也沒有淘汰,反而,需要程式設計師的工作變多了。為什麼會出現這樣的情況?
    為什麼提升程式設計師的程式效率,提升程式設計師的產出效率,不但沒有減少程式設計師,反而造成了程式設計師的增加,不但沒有讓程式設計師更輕鬆,反而使得程式設計師更苦逼,更累了?
    答案是對程式設計師產出的期待值變高了,當你的工具提升10%效率的時候,對你的產出期待可能提高了20%,你不但沒有更輕鬆,反而更累了。
    而程式設計師產業的捲,並不是只做出指定需求的產品,而是做出達到友商水準或超過友商水準的產品。這就意味著,其實對程式設計師而言,大家都提升等於沒提升,因為公司要想捲過友商,那麼對程式設計師的產出要求就必然跟友商看齊,而既然友商都能獲得AI帶來的產出效率提升,那麼,業界所有產商對程式設計師的產出要求就會提升。
    做同樣的產品,需求的精細度,功能的複雜度都提升了,行業會提升對你產物的要求,這些需求吃掉了程式設計師本身工具效率提升的紅利,因此程式設計師不但沒有更輕鬆,反而更累了。
    甲方會提出越來越複雜的需求,你的產能不提升就會被友商卷死,訂單被友商搶走,所以程式設計師做的產品也只能在提升產能的情況下,價格不變。
    這就意味著,因為需求並非恆定不變,AI對程式設計師提升的那點效率,會被提升的更多的需求吃掉,AI沒法淘汰程式設計師,反而需要更多程式設計師。一方面是維護AI本身還需要程式設計師,二方面是管理階層會高估AI對產能的提升,提前把產能需求增加到完全吃掉你AI產能紅利的地步。
    雖然我發現我所在的程式設計師產業,確定如此,資本會吃掉程式設計師自身效率帶來的所有提升,但其它產業是否也是如此?
    AI帶來的產能提升會被成長的需求覆蓋掉,使得最終員工無法享受到這個紅利,如果它成為更普遍的現象,那麼恐怕AI無法淘汰掉任何職業,只會讓更多職業對產出效率的要求變得更高。
    以上。

  • NetApp認證技術解決方案專家認證考試:NS0-005

    NetApp認證技術解決方案專家認證考試:NS0-005
    NS0-005:NetApp Technology Solutions Professional Exam
    概述
    通過技術解決方案考試,即可在技術發展中保持領先地位。獲得此認證者將證明其具備必要的知識、技能和能力,並能夠利用 NetApp 產品組合解決業務問題。
    這項考試驗證了
    NetApp認證技術解決方案專家考試旨在測試考生對NetApp產品組合的整體了解。考生應具備3-6個月的混合雲技術基本功能經驗。

    建議考生應該擁有:
    ~對產業混合雲概念的基本理解
    ~對 NetApp 解決方案和概念有基本的了解
    ~了解 NetApp 資料架構生態系統
    ~具備E系列和StorageGRID的基本知識

    應該能夠完成以下任務:
    ~利用技術建構解決方案
    ~確定解決方案用例
    ~利用文件
    ~識別混合雲組件
    ~識別基本網路組件(例如,VLAN、VPN)
    ~識別基本協定(例如,SAN、NAS、物件)
    ~識別保護資料的安全解決方案

    應該熟悉以下內容:
    ~混合雲端管理平台,Fusion、IMT 和 HWU
    ~混合雲、本地部署、邊緣運算

    測驗重點
    領域 1. 基礎設施 (25%)
    ~基本基礎設施概念和組成部分
    ~資料管理概念
    ~虛擬化概念
    ~人工智慧概念

    領域 2. 資料儲存軟體 (37%)
    ~NetApp SANtricity 的元件和/或概念
    ~NetApp ONTAP 的元件和/或概念
    ~NetApp StorageGRID 的元件和/或概念
    ~資料管理工具

    領域 3. 智慧資料基礎設施 (38%)
    ~網路彈性解決方案
    ~NetApp 資料移動解決方案
    ~NetApp 混合雲端資料保護解決方案
    ~NetApp 儲存解決方案
    ~消費模式

  • BAT的新故事-百度、阿里、位元組爭奪雲端市場

    原創 阿卡
    智算中心裡,算力卡的轟鳴聲一如往常。但監視器螢幕上跳動的核心指標不再是傳統雲端時代的頻寬吞吐量,而是以「億」為單位、瘋狂閃爍的 Token 生成速率。
    這個細微的指標變化,折射出中國雲端運算產業過去十年未曾有過的暴力重建。
    根據 IDC 最新發布的報告,2025 年上半年,中國 AI IaaS(智算基礎設施)市場規模年漲了 122.4%。這個數字,意味著在全行業追求「降本增效」的大背景下,算力成了唯一的剛需籌碼。
    然而,繁榮之下亦有廢墟。與 AI 算力的狂飆相比,傳統公有雲 IaaS 成長速度已跌入冰點,甚至出現了史上首次 14.1% 的非 AI 業務萎縮。
    「雲端不再是那個裝載資料的容器,它正在變成一個思考的大腦。」一位在業界 15 年的資深高階主管感慨道,「過去我們賣的是水電煤,那是物理資源;現在,我們賣的是『智力』,那是邏輯產出。」這一年,原本穩固的「雲三家」格局被徹底撕裂。
    一場關於「誰才是 AI 時代操作系統」的戰爭,在位元組的低價、百度的應用、阿里的開源、華為的底座與騰訊的協同之間,暴力展開。
    而新的格局,似乎又回到了新的三強爭霸時代——百度智能雲,阿里雲,和來自字節跳動(Bytedance)的火山引擎。但如果網路速度夠快,我們或許也可以將這三家雲端服務商定義為一個新的“BAT”,因為更適合火山的名字,應該是“Tokendance”。
    鯰魚變鯊魚,火山的暴力美學全球雲端運算的發展並非簡單的功能疊加,而是歷經三次深刻的範式轉移。
    每一次變革都重塑了產業價值與競爭格局,推動雲端運算從企業的後台成本項,演化成驅動成長的核心競爭力。
    PC 網路時代,雲端運算的本質是伺服器租賃,核心是 IT 基礎架構外包。它以按需付費模式,幫企業擺脫自建機房的高成本負擔,實現成本優化與效率提升。
    到了行動互聯網時代,雲端運算升級為支撐高並發存取的數位底座。面對電商大促、直播互動等場景的瞬時流量波動,其穩定性與彈性伸縮能力成為核心競爭力,價值也轉向助力企業業務擴張與敏捷創新。
    進入 AI 時代,雲端運算完成關鍵蛻變,成為融合算力、模型、數據的智慧引擎。
    大模型與 AI 智能體的爆發,催生了對複合技術能力的需求,單一資源租賃已無法滿足企業創新。
    此時雲端運算的價值錨點,落在 「算力 + 模式 + 資料 + 產業知識」 的深度整合上,協助企業重構生產流程、創新商業模式,雲端廠商也隨之從 資源供應商加速轉型為智慧服務商。
    縱觀三次範式轉移,雲端運算的價值升維路徑清晰可見:從解決成本問題,到支撐業務發展,再到創造成長價值。
    這進化邏輯也劃定了競爭賽道 —— 雲廠商唯有完成從 「賣資源」 到 「賣能力」 的轉型,才能在 AI 時代站穩腳步。
    而在雲端運算歷史上,很少有一個後來者能像火山引擎一樣,在短時間內完成從「邊緣玩家」到「規則制定者」的身位躍遷。
    12 月,當火山引擎總裁 譚待 在 FORCE 原動力大會上亮出 「日均 50 兆 Tokens」 這個數字時,業界感受到了真正的寒意。
    這幾乎意味著中國市場上每產生兩個 AI 產生的字節,就有一個流經火山引擎。
    位元組的低價邏輯並非單純的燒錢策略。譚待在 2025 年多次強調:「大模型不再是實驗室的產物,而是大工業時代的資源。」
     火山引擎副總裁 張鑫 揭示了背後的技術機密:字節透過一套名為 「算力混部」 的技術,將抖音、剪等 C 端業務的閒置算力與 B 端需求進行毫壓級。
    這樣的資源利用率,讓競爭對手在帳面上感到絕望:當友商還在為每台伺服器的折舊費發愁時,位元組已經透過大量 C 端流量把成本攤薄到了極致。
    2025 年上半年,火山引擎在大模型公有雲調用量(MaaS)市場的份額已飆升至 49.2%,快速逼近頭部。這種規模效應讓位元組跳動成功瓦解了傳統雲廠商依賴「資源販賣」的商業模型,徹底將雲端產業拉入了「量大管飽」的微利時代。
    降價內卷的故事我們聽了很多,但很難將火山的行為歸結為內卷。至少從實際效果上來說,火山並不是在猛捲頭部廠商,而是把潛在客戶都拉上桌,讓市場規模開始擴張。
    市場規模還不是火山唯一的動作。無限逼近用戶,讓每個 token 真正走入人們的生活才是他們的目的。
    近幾個月來,「豆包手機」已經成為人人都想擁有的數位新品,閒魚上中興手機的價格也在水漲船高而字節跳動正推進與Vivo、聯想、傳音等硬體廠商的 AI 手機合作,在設備中預裝 AIGC 插件以獲取用戶入口、改善其在執行層面的被動局面。
    多位 Vivo 員工證實雙方已確認合作、正在討論具體細節。聯想內部人士稱,聯想集團與「豆包」、火山引擎等位元組業務一直保持緊密合作,目前在智慧終端領域與「豆包」的合作也保持密切溝通。另據 21 世紀經濟報道,聯想與位元組在相關業務上確有密切往來。橫向擴張市場,讓更多企業上雲。
    縱向無限逼近 C 端用戶,讓 token 跳動在每個用戶的終端之上。火山早已不是那個初入雲市場的鯰魚了,而是轉而成為一條聞到產業中血腥味,就迅速出擊的鯊魚。
    不論企業的需求在哪裡,他總能找到一條合理的路徑,用最迅速的攻勢快刀斬亂麻。
    今天,火山也發布了和春晚合作的落地消息,把最前沿的科技命題,講解給最廣泛的普羅大眾,可能會實現非同尋常的滲透效果。位元組兇猛的故事,還在繼續撰寫。
    我們很難定義字節是怎樣的公司,他從文字時代的字節跳動;到短視頻時代的「抖音跳動」;在 AI 時代,用 token 單價快速顛覆行業原有規則,搶佔自身身位。
    與其說是字節、抖音、 token 在不斷跳動,不如說這些名詞下的能力在不斷推動這家充滿奇蹟的互聯網公司飛速成長。百度的底氣-崑崙底座與應用追求在火山引擎用「分分錢」血洗市場時,百度智慧雲顯得有些「固執」。
    在 2025 百度世界大會上,李彥宏 再次重申了那個極具爭議的判斷:「卷模型不如卷應用,AI 時代的王牌是『超級智能體』。」後來,他又在採訪中多重申了這個觀點。
    百度智慧雲的”堅持”,其核心支撐來自全端自研的崑崙芯。當業界陷入 Token 價格內捲時,百度選擇以自研晶片築牢算力底座,透過”崑崙芯+百度雲”的軟硬一體架構建構差異化優勢。
    這項策略已直接體現在市場佔有率的突圍上。
    崑崙芯是百度 AI 技術架構的核心硬體支柱,承擔”減負增效”與構建技術壁壘的雙重使命。有別於依賴第三方晶片的雲端廠商,百度從晶片設計到雲端服務落地實現全鏈路可控,形成了”崑崙芯—文心大模型—百度雲”的完整技術閉環。
    所以其實歸根究底,百度其實是有底氣打價格戰的那一個。底座是自己研發的,省去了大量購置成本,自然就禁得起消耗。
    但百度顯然不希望在雲戰場展開漫長的拉鋸戰,而是用選擇從主打政企客戶的 agent,形成牢固的客群優勢,讓業務能養活自己,最終可以因為自研全鏈條的成本優勢形成對競對的碾壓。
    目前,百度智能雲已點亮崑崙芯三萬卡集群,可同時支撐多個千億參數大模型訓練。結合升級後的百舸推理加速能力,不僅支撐百度內部絕大多數大模型推理任務,更服務於招商銀行、南方電網、中國鋼研等上百家客戶,成為 AI 雲端服務差異化競爭力的核心載體。策略與技術的協同直接轉化為市場佔有率優勢。
    Forrester 2025Q4 報告顯示,百度智慧雲端與阿里雲雙雙躋身產業領導者象限,其中百度智慧雲端產品能力得分第一。沙利文資料印證,2025 年上半年中國一站式 AI 雲端市場中,阿里雲與百度智慧雲合計份額超 50%。
    在頭部集中化趨勢下,百度智慧雲仍舊在第一梯隊穩如泰山。政企市場更是其優勢陣地-依托崑崙芯算力支撐的產業解決方案,收穫超 65% 央企、全部系統重要性銀行及 800 多家金融機構青睞。
    其核心邏輯從未動搖:AI 時代的雲廠商競爭,核心不是低價算力比拼,而是底層技術自主可控與價值輸出能力的較量。
    百度智能雲透過崑崙芯築牢算力底座,以智能體落地價值交付,既避開了同質化內捲,又在固化的市場格局中站穩腳跟。
    而如果這一步真的能走成,智能體的溢價能力能力必然遠勝過賣token 的溢價。錨定企業真實需求,以全端能力實現”效果交付”,才能在 AI 雲端市場的長期競爭中掌握主動權。
    阿里的開源長城與吳泳銘的「雙重判斷」作為行業領頭羊,阿里雲在 2025 年面臨的是「舊王轉身」的艱難——前有基礎模型賽道的激烈廝殺,後有雲服務市場的存量競爭。
    阿里巴巴集團 CEO 吳泳銘在雲棲大會上給出了阿里雲的終極定位:「大模型是下一代的操作系統,而超級 AI 雲是下一代的計算機。」這句論斷錨定了阿里雲的雙核心戰略:以開源大模型搶佔生態話語權,以智算基礎設施築牢局建設局,用“算力操作系統+計算機+計算機”的組合。既然你賣得便宜,我就直接免費。千問向雲端市場投出一顆深水炸彈,還掀出了巨大的浪花。
    2025 年,阿里雲的通義千問(Qwen)全球下載量突破 6億次,從矽谷新創公司的輕量化應用開發,到小紅書開發者社群的內容產生工具搭建,Qwen 憑藉免費開放的全系列模型(含輕量化版本、多模態版本),成為僅次於 Meta Llama 的全球第二大開源版本),成為僅次於 Meta Llama 的全球第二大開源版本),成為僅次於 Meta Llama 的全球第二大開源版本),成為僅次於 Meta Llama 的全球第二大開源版本。阿里的思路很明確-模型免費,雲端服務收費。
    類似早年我們買電腦的路線,Windows 系統不花錢,但電腦本身要花錢。
    「開源是為了修一道生態長城,」一位阿里雲資深架構師表示。阿里的陽謀清晰且直接:當全世界開發者都習慣了 Qwen 的模型架構、適配了其開發工具鏈,後續無論是模型精調、推理部署還是大規模算力調度,最後的算力歸宿必然是能提供最優適配的阿里雲。這種「生態綁定-算力導流」的邏輯在多個上已得到驗證——由於深度採用 Qwen 進行內容推薦算法精調、智能創作助手開發,其後端架構必須深度適配阿里雲自研的磐久(Panjiu)第五代 AI 伺服器,才能實現算力效率提升 30% 以上的效果,最終綁定形成「用 Qwen 開發-靠阿里定力落地」的關閉空間。
    阿里用事實證明,在 AI 時代,擁有「定義模型標準、掌控算力底座」雙重權利的巨頭,依然能在轉型中保住基礎設施紅利,將「下一代作業系統+下一代電腦」的定位轉化為實實在在的商業競爭力。而阿里有底氣這麼做,背後還有兩個核心原因:第一,千問夠強;第二,阿里雲積攢的優勢夠深厚。
    千問的技術硬實力,在 2025 年底迎來了最具分量的 「產業背書」—— 曾經以開源模型 Llama 領跑全球的 Meta,在其新一代模型 「酪梨」(Avocado)的研發中,主動選擇蒸餾通義千問的開源模型,從中國技術中汲取核心能力。
    更關鍵的是,阿里雲的 「算力底座」 與千問模式形成了海外落地的協同優勢​​。
    為匹配東南亞中小企業算力資源稀缺的現狀,千問經過深度優化,可在 32GB 內存的消費級筆記本上本地部署,大幅降低了應用門檻;而阿里雲在新加坡已投用的萬卡智算集群,又能為大型企業和政府項目提供規模化算力支撐,形成 “民用級門檻 + 工業級場景” 的全場覆蓋能力。
    這種 「模型適配 + 算力支撐」 的組合,正是吳泳銘 “下一代作業系統 + 下一代電腦” 定位的海外復刻 。這項反轉在兩年前難以想像,彼時國內開發者也普遍以 Llama 為基座搭建衍生模型,而如今矽谷巨頭爭相選用,千問在模型架構、推理效率等核心維度的領先性不言而喻。
    結語:雲的消失與智慧的溢出
    這場算力與生態的爭奪戰中,各路玩家紛紛亮出差異化王牌,構成百家爭鳴的多元戰局。華為雲劍走偏鋒深耕政企深水區,以「國產化壓艙石」姿態築牢壁壘。
    騰訊雲則走「生態融合」的側翼路線,依托微信生態將AI能力潤物細無聲地註入視訊號廣告、企業微信等場景,騰訊總裁劉熾平直言AI已對效果廣告和遊戲產生實質性貢獻,讓雲能力成為激活整個騰訊生態變現效率的「增效器」。
    2025 年底,當我們回望這一年,會發現「雲端運算」這個詞正在變得隱形。它不再是財報裡那個生澀的術語,而是化作了萬億個 Token、數十萬萬個活躍智能體、數億次開源下載 以及無處不在的 AI 推薦。正如二十年前人們討論“互聯網”,十年前討論“移動化”,今天我們不再討論“上雲”,因為所有的創新,生來就在雲上。
    2025 年,中國雲端運算廠商們終於達成了一個共識:雲端的終局,不是為了儲存數據,而是為了輸出智力。
    「一切才剛開始。」
    這場大雨落下後,雲霧散去。我們不再抬頭仰望雲端,而是看向這片由於智慧潤澤、正野蠻生長的新大陸。走向健康競爭和長期繁榮的發展軌道。

  • 全球高科技公司創建時間

    1865: 芬兰诺基亚 (Finland Nokia)
    1875: 日本东芝 (Japan Toshiba)
    1889: 日本任天堂 (Japan Nintendo)
    1911: 美国 IBM (US IBM)
    1918: 日本松下 (Japan Panasonic)
    1923: 美国迪士尼 (US Disney)
    1928: 美国摩托罗拉 (US Motorola)
    1938: 韩国三星 (Korea Samsung)
    1939: 美国惠普 (US HP)
    1946: 日本索尼 (Japan Sony)
    1975: 美国微软 (US Microsoft)
    1976: 美国苹果 (US Apple)
    1984: 美国戴尔 (US Dell)
    1987: 中国华为 (China Huawei)
    1994: 美国亚马逊 (US Amazon)
    1997: 美国奈飞 (US Netflix)
    1998: 美国谷歌 (US Google)
    1999: 美国赛富时 (US Salesforce)
    2002: 美国SpaceX (US SpaceX)#科技爱好者必看
    2003: 美国特斯拉 (US Tesla)
    2003: 美国脸书 (US Facebook)
    2005: 美国YouTube (US YouTube)
    2005: 美国Reddit (US Reddit)
    2006: 美国推特 (US Twitter)
    2008: 美国爱彼迎 (US Airbnb)
    2009: 美国WhatsApp (US WhatsApp)
    2010: 美国Instagram (US Instagram)
    2011: 美国Zoom (US Zoom)
    2011: 美国Twitch (US Twitch)
    2015: 美国OpenAI (US OpenAI)
    2016: 中国抖音 (China TikTok)

    收录于AI index

    作者提示: 个人观点,仅供参考

  • HPE整合Juniper 與思科、華為角逐網路市場

    新聞導讀
    HPE完成收購Juniper Networks六個月後,在園區交換器和核心路由器市場表現強勁。第三季與華為並列第二,次於思科。公司加速產品融合,目標在2026財年實現「以AI為導向的網路」訂單達15億美元。
    ICC訊  距離HPE以成為AI網絡巨頭為目標完成對Juniper Networks的收購僅過去六個月,這筆交易似乎已開始顯現成效。
    Dell’Oro Group的新數據顯示,HPE在第三季的乙太網路園區交換器收入成長超過市場成長速度,現已與中國科技巨頭華為持平。該分析公司先前曾預測,今年全球園區交換器銷售額將超過200億美元。
    Dell’Oro Group研究總監Siân Morgan在郵件中表示:「Juniper與HPE的園區交換器收入在2024年第三季的合併成長是市場成長率的四倍,因此兩家公司的園區交換器銷售之間沒有明顯的相互蠶食跡象。」不過她也指出,由於目前僅有一個季度的合併銷售數據,很難推斷出長期趨勢。 「
    華為因來自中國市場的收入急劇下滑而受到阻礙,而HPE在中國市場的業務敞口很小,」Morgan解釋道,並強調這一點很重要,因為中國市場約佔華為園區交換機收入的40%。 「
    這意味著,HPE能否在園區交換機市場穩固佔據第二的市場份額地位,將取決於其在北美市場的防守能力、其憑藉Juniper交換機在北美以外市場所能獲取的擴張,以及華為中國市場的表現。」
    Morgan補充說,第三季度的數據預示著「未來幾季將有一場激烈的戰鬥。」此外,Dell’Ororo 是第三季度思科則在園區交換器和核心路由器兩市場均處於領先地位。
    在園區交換器市場,Dell’Oro指出,競爭對手正試圖吸引那些希望更新其老舊思科端口的客戶。 Morgan表示,他們試圖實現這一目標的方法之一是「透過吹捧高效能硬體和AIOps功能」。 HPE的轉型與整合事實上,隨著Juniper加入麾下,HPE正努力證明其網絡和AIOps的實力。
    在近期於巴塞隆納舉行的HPE Discover活動上,該公司宣傳了涵蓋資料中心存取、橫向擴展、縱向擴展等領域的網路新品發布。
    其中包括一款新的QFX5250交換器(源自Juniper),基於博通的Tomahawk 6技術,用於資料中心內部交換;以及一款新的MX301邊緣路由器(同樣源自Juniper)。
    HPE也與AMD合作,為AMD的Helios架構提供縱向擴展的乙太網路。
    HPE網路產品及解決方案行銷副總裁Jeff Aaron在活動後訪談中表示:「我們希望以引領AI與網絡的融合而聞名。」
    他繼續說:「所有這些領域,我們都必須佔據主導。其中很多本是我們的專長領域。
    我們做局域網、做橫向擴展、做縱向擴展已經幾十年了。只是恰巧AIAIAIOHPEPetHilPEi​​HPet成為了我們的優勢所在。 Mist和Aruba的早期舉措。
    簡而言之,該公司正開始在兩個平台之間進行功能交叉融合——例如Mist的Marvis Actions和Aruba的用戶端分析——並發布了首款可用於任一平台的通用存取點。
    Aaron將這些公告描述為HPE致力於在兩個平台上提供「共通的自動駕駛式體驗」旅程中的第一步。
    他打趣道:「我們喜歡說,透過這次收購,我們在六個月內完成的整合工作,比思科在Meraki上13年所能做的還要多。」展望未來,Aaron表示HPE的目標是提供涵蓋交換、路由、無線、SD-WAN和SASE的產品組合,並共享一個共同的願景。他表示,在未來一年,將會有更多的功能交叉融合和通用硬體問世。
    他補充說,硬體元素的引入將“迅速而審慎”,以避免對任何客戶造成衝擊,並利用好關鍵的技術升級週期,例如Wi-Fi 8的引入。需要說明的是,包括博通在內的多家公司已在研發Wi-Fi 8產品,不過該標準預計要到2028年才會最終確定。
    Morgan認為,對HPE而言,仍有許多艱苦的工作要做。 「
    該公司現在需要及時整合產品線,同時不疏遠客戶或通路合作夥伴,」她說道,並補充說Discover上的發布是一個良好的開端。 「公司需要繼續沿著這條道路前進,並成功整合銷售團隊和通路合作夥伴關係,才能使此次收購成功。」
    財務表現與展望HPE上周公布了財報,其2025財年第四季營收年增14%,達到97億美元。伺服器收入下降5%,混合雲收入下降12%,但網路收入飆升150%,達到28億美元。儘管伺服器收入下降,但執行長Antonio Neri表示,該公司在2025財年簽署了68億美元的新AI系統訂單,並在混合雲領域新增了7,000名GreenLake客戶,使年末客戶總數達到46,000名。
    展望未來,財務長Marie Myers在電話會議中表示,公司預計2026年網路收入成長率將在65%至70%之間。但考慮到Juniper併入後的影響,“現在大約110億美元的收入,按備考基準計算,轉化為中個位數的增長。”
    Neri表示,HPE“正按計劃實現到2026財年末‘面向AI的網絡’累計訂單目標達到15億美元。”