不知不觉的搞基于媒体的网络和网络安全产品第三方测试已经快有20年了。可是作为一个在厂商与用户间的第三方测试机构,现在的感受是路正在变得越来越窄。为什么会这么讲,最主要的还是需求问题。
在最初进行网络评测工作的时候,国内的测试仪表非常稀缺,为了了解自身产品的测试性能,无论是大企业,还是初创公司都会想尽办法找我们来进行测试。可随着企业自身对测试资源的不断投入,这部分需求基本不存在了。当前注重产品性能与品质的企业,已经建立起了全面而专业的内部测试实验室,而不重视这些的企业,自然对这方面的情况连提也不会去提。
其次是测试评估的指标和报告难以切入用户痛点,因此用户也对这方面的信息不再关注。例如,今年云计算领域先后有几篇不同机构出的第三方测试报告出台,但是目前看来,用户对其的关注程度并不很高。当然其中存在着云计算应用有待普及、云计算基础设施尚未完善等相关因素,但是测试报告与用户需求脱节,是用户对第三方测试结果反映冷淡的一个主要原因。
当然还有诸如公立性和权威性等问题,但是在厂商和用户都不重视的情况下,来谈这些问题就像讨论无源的水和无根的木一样,都会成为无稽之谈了。
前路茫茫,自然要早做打算。托父辈的福家里小有了一些盈余,于是考虑开一个餐饮小馆,日后也好有个着落。可是没想到的是,在一次看房过程中,让我看到了第三方测试的新价值所在。
作为一个IT人士,选房的时候自然也会借助IT的力量。通过一个联系了一个地产中介的业务员,看看能不能找到一个合适的底商。计划是找一个二手的小面积商铺,原因自然是【qióng(这字还真不好写,还是打拼音算了)】。可是没想到给我推荐的全是新建的一手商铺。虽然和目标有些不符,但是本着长长见识的念头,还是和他们去看了一下位于房山的商街。
这条商街的开发商在国内还是很有名气,以房屋建设品质而著称。从外观上看,整条商街建设的也相当大气。可是给我推荐的商铺就多多少少有些让人不满意了。总结一下说就是:门外楼梯,门内柱,还有面积不够数!
门外对着的楼梯虽然可以带来客流,但也影响了门面的展示效果,在店铺正中立的一根大柱子把一个开间的格局全都影响了,实在想象不出未来应当如何去对其进行布置。此外,在展示图上,标示的面积是78.57平米,但我实际测量时只有8.8×4.5。就算有一些公摊,这损耗也未免太大了一些吧。
而在向我介绍时,这样的底商还是以把头大面积商铺的名义向我进行介绍的,也着实让我头脑一热,差点就当时下了定金。可现在回想起来,不由出了一身冷汗。
首先是地理位置,虽然是在良乡大学城商圈,最近的两所大学也都在两公里之外,商街是为一个新建小区做的商业配套,这个小区人员什么时候可以入住也存在一定疑问。如果是资金富裕单纯进行房地产投资,买下这个商铺后,等上十年八年,应该会有很丰厚的回报,毕竟良乡未来的发展前景还是非常可观的,可是现在买下来进行经营的话是否会不堪重负这就很难进行预测了。
一次看底商就有这么多问题,在实际经营过程中会不会更加问题多多?国家正在实现数字化转型,如果仅依靠厂商提供的技术指标,会不会出现上面的建筑面积与实际使用完全不符的情况?这些问题的发现,反而为第三方测试要如何进行指明了一个从实际应用出发的新方向。第三方测试要切实切入到用户的实际应用场景之中,以一个实际使用者而不是旁观者的角度去进行测试,这样才可以获得用户所需的真实结论。而这一切,并不是坐在实验室里面,跑一两个技术指标就可以得出来的。
由此看来,今后的第三方测试,很有必要建立一个麻雀虽小但五脏俱全的实际应用环境。可以对进、销、存,生产、加工等不同应用场景进行模拟,并将最新的云计算、大数据分析、人工智能等新技术、新解决方案进行带入,在这个真实的应用环境中实际进行分析,公开进行展示,这才会得出用户关心的,真正实用的测试结果出来。虽然这样做有杀鸡用牛刀之嫌,但是有哪头“牛”可以开膛破肚的向外进行展示的?况且又有哪些企业不是由小及大逐步发展起来的呢?从我个人的角度也坚信,更加切合实际的应用测试,想必也会成为第三方测试未来发展方向。
好文章,需要你的鼓励
思科推出8223路由系统和Silicon One P200芯片,用于满足企业日益增长的AI工作负载需求。该系统提供51.2 Tbps以太网固定路由器,P200芯片实现超过3艾比特每秒的互连带宽规模。新设备采用深缓冲设计,相比前代产品节能65%,支持跨数据中心AI集群分布式部署,解决物理空间和电力容量限制问题。
华中科技大学联合华为和上海交大研究团队开发出革命性3D人体重建系统Snap-Snap,仅需正面和背面两张照片即可在190毫秒内生成完整3D人像。该技术突破了传统方法对昂贵设备和复杂人体先验模型的依赖,通过智能几何推理和侧面增强算法实现高质量重建,为虚拟现实、游戏开发等领域的大众化应用奠定基础。
智能AI代理正成为软件开发的新宠,企业高管希望通过AI代理提升效率。尽管开发者对AI生成代码的质量存在担忧,但其潜在价值巨大。调查显示三分之二企业正在或计划使用多个AI代理进行软件测试,72%认为到2027年智能AI可实现自主测试。专业化的精简测试代理比大型模型更适合特定任务,需要建立负责任的信任框架来管理AI代理行为,但人工测试仍不可替代。
这项研究介绍了aiXiv——首个专为AI科学家设计的开放学术平台。该平台由多伦多大学等18个机构联合开发,支持AI独立完成论文提交、同行评审和发表全流程。通过多智能体架构和五阶段安全防护机制,平台实现了81%的评判准确率,并显著提升了AI生成研究的质量。这标志着科学研究范式的重大转变。