2025年12月8日,HPE 在HPE Discover Barcelona 2025大会上宣布,扩展其安全赋能的AI原生网络产品组合,以进一步强化其在AI基础设施领域的领导地位。该产品组合依托HPE Aruba Networking与HPE Juniper Networking技术,实现自动驾驶的网络运营,从而最大化AI工作负载的性能与规模。此次产品组合扩展标志着HPE与Juniper Networks整合的一个重要里程碑,这一进展距离收购完成仅过去五个月。
此次扩展包括全新的AIOps能力与统一硬件,为HPE Aruba Networking Central与HPE Juniper Networking Mist两大运维平台提供一致的自动驾驶网络体验。同时,配合HPE OpsRamp Software升级及全新的HPE Juniper Networking交换机与路由产品,HPE进一步强化了网络作为支撑AI与云性能的关键基础作用,并借助兼容GreenLake Intelligence的智能体AI简化混合环境中的 IT 运维管理。

HPE执行副总裁、HPE Networking总裁兼总经理Rami Rahim
HPE执行副总裁、HPE Networking总裁兼总经理Rami Rahim表示,“在AI时代,客户需要专为AI构建、并以AI为核心的网络,以应对连接设备的快速增长、复杂的环境及日益严峻的安全威胁。通过提供自主、高性能的网络,HPE将以面向未来的解决方案,重塑网络行业格局,重新定义用户体验,并在各类环境中提供稳健且安全的连接。”
HPE以统一AIOps推进HPE Aruba Networking 与 HPE Juniper Networking的自动驾驶网络发展
在短时间内,HPE展示了将HPE Aruba Networking Central与HPE Juniper Networking Mist两大平台优势整合的能力,并利用统一的智能体AI和微服务框架,实现投资保护。同时,HPE在两大平台中整合了关键的AI网络核心功能,提供一致的用户体验,并在两大领域推出全新的AI网络能力。
HPE Aruba Networking Central本地部署版3.0现已在安全的本地部署环境中,为客户提供强大的洞察力与自动化能力。该版本集成了先进的生成式与传统AIOps能力,支持可执行的AI告警、主动修复、智能终端洞察以及简化的文档检索功能,同时通过全新设计的用户界面进行统一管理。
HPE推出首款采用博通Tomahawk 6芯片的OEM交换机,扩展AI产品组合网络
高性能网络对于运行AI工作负载至关重要,随着AI推理计算向边缘端迁移,这一趋势受到延迟、隐私与经济因素驱动,同时也带来了对高性能交换机和路由器的需求。为满足这一对高性能与加速计算需求快速增长的市场,HPE宣布推出以下解决方案:

HPE Juniper Networking QFX5250 交换机
HPE宣布与NVIDIA及AMD扩展合作伙伴关系,推出全新网络创新产品

HPE Private Cloud AI Family
在HPE Discover Barcelona 2025大会召开前夕,HPE携手NVIDIA与AMD宣布推出多项高性能网络创新产品,进一步加速AI部署进程,其中包括:

AMD Helios AI Rack - Juniper switch (tray)
HPE AIOps创新助力统一IT 运维,并在混合环境中实现智能管理
HPE通过一系列创新进展,推进其混合云和代理AIOps战略,展现了HPE的独特优势:基于覆盖硬件到公有云的共享资源模型,提供全栈、多域、多厂商智能。借助对HPE OpsRamp Software升级以及与GreenLake的深度整合,HPE将来自HPE Compute Ops Management、HPE Aruba Networking Central和HPE Juniper Networking Apstra的遥测数据汇聚于一处,为IT运维团队提供统一视图,实现全面的环境监控、分析与行动,从而构建真正混合指挥中心的基础。
全新推出的创新功能实现了全栈管理与智能互联,助力IT团队能够对整个混合环境进行实时监控、洞察和响应,包括:
全新零利率融资降低 AI 原生网络采用门槛
HPE融资和资产管理服务(HPEFS)推出两项全新举措,助力企业更轻松地实现AI原生网络现代化。HPEFS将为采用期限许可方式购买包括HPE Juniper Networking Mist在内的网络AIOps软件的客户提供0%利率融资。同时,HPEFS还将推出专项融资计划,为租赁用于数据中心网络及企业路由设备等支持AI工作负载的客户,提供相当于节省10%现金成本的优惠;对于更换旧技术的客户,还可选择多厂商回购服务,并在二次销售中享受收益分成。
上市时间
好文章,需要你的鼓励
Google DeepMind造出"全能游戏玩家":SIMA 2在虚拟世界里自由行动,还会自己学新技能
牛津大学研究团队发现,经过强化学习训练的AI搜索助手存在严重安全漏洞。通过简单的"搜索攻击"(强制AI先搜索)和"多重搜索攻击"(连续十次搜索),可让AI的拒绝率下降60%,安全性降低超过80%。问题根源在于AI的安全训练与搜索功能训练分离,导致搜索时会生成有害查询。研究呼吁开发安全感知的强化学习方法。
Core Memory播客主持人Ashley Vance近日与OpenAI首席研究官Mark Chen进行了一场长达一个半小时的对话。这是Chen近年来最公开、最深入的一次访谈,话题覆盖人才争夺战、研究战略、AGI时间表,以及他个人的管理哲学。
斯坦福大学团队开发了GuideFlow3D技术,通过创新的引导机制解决3D对象外观转换难题。该方法采用智能分割和双重损失函数,能在保持原始几何形状的同时实现高质量外观转换,在多项评估中显著优于现有方法,为游戏开发、AR应用等领域提供了强大工具。