ZDNET网络频道 01月06日 编译:诚然,软件定义网络(SDN),尤其是在开源项目中,如OpenDaylight,将彻底改变数据中心的联网方式。在数据中心内部我们也看到了更高的吞吐量表现,如Broadcom BCM56960芯片,具备25GE的吞吐量和128个端口。而在网络接入方面,最新的DSL标准G.fast让我们看到每秒1千兆比特的传输速度不在是个梦想。最后要说的是802.11ac越来越接近我们的工作和生活,同时也在向着更高的千兆无线网络连接速度进发。
网络资源越来越开源化
在谈到这点时,不得不先介绍一下网络中立性,这是一个简单的概念:互联网服务供应商应该与云服务商共享他们的网络资源部分。这又回到了商业互联网交换中心(CIX)的概念。那个时候互联网运营商第一次同意与对方平分连接。这个想法成为当今互联网的基础。
如Verizon互联网服务供应商,以及Netflix,都是用于访问互联网。法院和FCC一直偏袒Verizon,康卡斯特和时代华纳。最终的结果将是我们要结束了一个分层的互联网,这样的结果会直接体现为互联网资源今后将让大多数人能够买得起。
与此同时,Netflix公司,和所有其他的内容提供商,如CBS和HBO,将提高他们的内容价格,以弥补自己在最后一英里ISP的附加费用,而这些费用实际上是ISP对特定地域的一种垄断所造成的。
最后一英里上网速度制约整个网络发展
4K视频的出现,让我们可以在网络上从亚马逊和Netflix获得这些节目。如果你有每秒100(Mbps)的连接速度和Netflix,那么这些节目对你来说毫无压力,但你至少需求25Mbps的传输保障才能保证对4K视频节目的支持,这点恐怕很多地方难以实现。
在2014年,国内互联网服务供应商大都维持在4Mbps的宽带传输速率。但在2015年会不会有所改观,让我们拭目以待吧!
在世界舞台上,美国平均11.4Mbps的网络传输速度排在第14位。但像拉脱维亚和罗马尼亚甚至更小的县反而有更好的互联网性能!也许11.4Mbps听起来并不太给力,但如果你看看这些数字它的确更接近你现在的实际网速,富裕的城市地区,已经有相对良好的带宽,都推高了平均水平,而他们的郊区和农村地区仍在这条基准线之下。
但是,仅仅因为一些居民区有良好的互联网服务,并不意味着所有的社区都可以享受这样的服务。互联网服务质量的广泛性变化是个重要因素,因为你今后将在任何地方使用互联网进行工作和生活。
网络安全摇摇欲坠
达不到高速互联网是现实问题,但一个简单的事实是互联网的安全性正在接受前所未有的挑战。
我们看到越来越大的分布式拒绝服务(DDoS)攻击几乎每个月都在实施攻击。只要看看什么蜥蜴队确实到Xbox Live和PlayStation网络过圣诞节。似乎少数的黑客攻击就能使得两大游戏网络被彻底瘫痪。
因为我们发现,有很多基本的互联网技术正暴露出它的年龄缺陷,它的安全漏洞越来愈多。在2014年,我们看到了域名系统(DNS),网络时间协议(NTP)和OpenSSL,透露出主要的安全漏洞。
而且,虽然我已经听说了许多关于提高网络的安全性的声音,但还没有看到过一个非常行之有效的安全举措的出现。
因此,越来越多的互联网基础设施实际上每天都在摇摇欲坠的安全边缘徘徊。无法想象物联网的出现是不是会更加剧这样的隐患。在今天的互联网中,实际上根本没有一个绝对安全的网络环境,因为你并不清楚哪个环节会出现问题。
所以,要提高互联网在合理性,和公平的价格,这是我们现在需要做的。这样我们可以尽量避免以前主要的互联网故障,这将使互联网到目前为止更容易被人们接受。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。