中国北京,2022年8月25日——提供人工智能驱动的安全网络的领导厂商瞻博网络(NYSE:JNPR)今天发布了多项重要里程碑成果,展现了该公司在有线和无线接入领域取得的重大进展。凭借具备强大智能运维(AIOps)能力的现代化微服务云解决方案,瞻博网络市场份额增速继续领先,持续荣获行业顶尖分析师的认可,并提供最佳用户和运营商体验。
瞻博网络人工智能驱动型企业产品管理集团副总裁Sudheer Matta表示:“通过提供创新型的客户端到云端的自动化、洞察和自驱式操作,Mist AI在易用性、规模、成本和性能方面继续遥遥领先。这一良好态势归功于我们的世界级产品、销售和市场团队及合作伙伴,他们借助瞻博网络人工智能驱动型企业的创新解决方案,为全球客户和合作伙伴带来了经得起考验的价值。”
这一强劲势头主要表现在如下方面:
650 Group联合创始人兼首席分析师Chris Depuy表示:“瞻博网络无线接入解决方案继续赢得大量企业市场份额,同比增速大大高于其他供应商。瞻博网络 Mist充分发挥Mist AI的先行者优势,取得了良好业绩,很多全球知名公司均为其客户。”
相关引言:
“基于瞻博网络的人工智能和先进的应用程序接口能力,我们通过自动化和集成显著减少了与Wi-Fi相关的故障。Mist AI让我们摆脱了重复性的日常排障工作,使我们能够把更多资源用在战略计划和客户服务上。”
——Brad Martin ,Chick-fil-A首席网络架构师
“Marvis已成为我们的服务支持中心不可或缺的一部分,将难以解决的滞留工单量减少了10倍。”
——Mitch Davis,达特茅斯学院(Dartmouth College)首席信息官
“在与瞻博网络合作后,我们彻底改变了有线和无线网络,为用户体验带来了急需的可见性。迁移至现代化的微服务云也带来了敏捷性的提升,对于我们满足业务部门不断变化的需求至关重要。”
——Steve Day,澳大利亚国民银行(National Australia Bank)首席运营官
“瞻博网络与我们之前的无线局域网提供商相比简直是天壤之别。我们的无线覆盖提升了10倍。”
——Jim Pike,纽波特纽斯公立学校(Newport News Public Schools)网络工程师
“转型至瞻博网络无线网络是完全无缝的。这一过程不应被我们服务的部门注意到,而他们也确实没有注意到。”
——Kristien Kramer,Northeast Georgia Health System(NGHS)网络服务经理
“通过利用ServiceNow事件管理和服务图以及瞻博网络 Marvis等工具(包括NowBot自助服务功能和零信任分支机构网络), ServiceNow得以将与网络相关的故障工单量减少90%以上。”
——Patricia Grant,ServiceNow数字技术运营副总裁
关于瞻博网络
瞻博网络致力于挑战多云时代网络连接和安全的复杂性。我们通过改变人们之间的联系、工作以及生活方式的产品、解决方案和服务实现这一目标。我们简化了向安全、自动化的多云环境迁移的过渡,以实现连接世界的安全、人工智能驱动网络。更多信息请参见瞻博网络(www.juniper.net)或瞻博网络在Twitter、LinkedIn和Facebook上的主页。
Juniper Networks、the Juniper Networks标识、Juniper、Junos是瞻博网络公司在美国和其他国家的注册商标。其他商标均为其各自所有者的财产。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。