ZD至顶网软件频道消息: 在几乎所有IT厂商、企业用户都把目光转向云计算的时候,深信服副总裁张开翼却唱起了“反调”。他认为,企业用户向云迁移要慢行。
近日,由中国电子学会主办、ZD至顶网等协办的第八届中国云计算大会在北京国家会议中心召开,张开翼做了《随需应变的IT新架构》的主题演讲。相对于以往深信服作为网络安全厂商的身份而言,这次演讲更广泛深入地展示了深信服作为超融合技术厂商的另一身份。
深信服副总裁张开翼
张开翼表示:“企业对于数据中心架构的需求,总结起来就是三个方面:第一,足够简单。能够快速响应业务需求,在业务发生变革的时候,企业可以腾出精力专注于业务;第二,足够弹性。在企业业务快速扩张、变化的时候,IT架构要有足够的弹性支撑业务需求;第三,安全。这里的安全既包括信息安全,也包括IT架构的可靠性。企业整个业务能够放心在架构上运行,而不用担心信息泄漏风险和不可靠性的因素。”
基于以上需求,很多企业完全没有必要向私有云迁移,因为不管是投资的成本、运维的复杂度,以及使用便捷程度,私有云对企业来说并不是非常好的选择。“云计算架构的投资,以及企业在向云迁移过程中所需要的资源都非常大,甚至企业用户还需要考虑原有的人员对这些新技术掌握的能力,以及如何运用好新技术响应业务需求的种种问题,因此,很多企业用户并不需要着急向云迁移。”张开翼表示,“深信服目前所做的,就是通过一种平滑的演进路径,帮助客户不需要大量的投资就可以非常快速的去享受到整个虚拟化和云带来的好处。”
平滑演进是深信服提供给企业最好的向云靠拢的路径,这个方法不仅可以满足企业用户对于云架构的需求,同时也能尽可能多的降低企业投入成本。
张开翼表示:“当企业需求、业务比较简单时,可以直接使用超融合架构,享受超融合带来的足够简单、足够的弹性,然后能够跟随业务的发展进行平滑的扩展。而随着业务的继续增长,需要平台化时再考虑私有云或混合云架构。这个过程,深信服的超融合架构是平滑演进过来的。”
据介绍,深信服的超融合架构最大的亮点就是软件定义的架构,所有计算、网络、储存,以及NFA的网络组建,都是在这个架构运行,并与硬件实现解耦化。也就是说,深信服超融合架构既可以作为一体机进行交付,也可以作为超融合软件进行交付,这对企业利旧设备有非常大的好处,大大节约了其硬件设备的再次投入。
张开翼介绍道:“企业使用超融合架构,不用将原有的架构推到重来,而是像搭积木一样的,获得更大的容量和更高性能,实现随需应变。”
除此之外,安全是深信服超融合架构考虑的重点之一,张开翼表示,深信服的超融合平台在设计时就考虑到安全的因素,比如说平台本身把安全策略都做进去了,这样有助于帮助客户建设更为安全的IT新架构。“在虚拟化、云的架构下,原来可见的业务变得不可见,原来非常清晰的策略、部署的方式也失效了。深信服的做法是将分布式的防火墙直接应用于超融合架构,让用户可以将原来的基于传统防火墙的分区直接在虚拟化的架构上实现应用。这种策略部署的好处是,管理员不需要因为虚机的漂移、变化手工的调整。”张开翼介绍道。
目前,深信服的超融合架构已经在政府、教育、制造等行业有了一定数量的用户,诸如国家行政学院、劲霸男装等机构或企业都进行了规模化的应用。
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。