在以太网的发展史中,速度的增长通常以10倍来计算,从10M增长到100M,再发展到1G、10G和100G。

2014年却出现了一个新的趋势,以太网标准中出现了中速标准,即25G和2.5G。10G的以太网速度标准往往满足不了需求,而100G又太大了,25G以太网标准的出现正好弥补了这两者的不足。同样,另一个中速标准是2.5G,因为1G不能满足需求,而10G的标准对于布线来说也不切合实际。
为促进2.5和5Gbps以太网的研发和支持力度,前不久,又一个新的厂商联盟宣告成立——MGBASE-T联盟,其成员有Aruba、Avaya、博通、博科、飞思卡尔半导体、锐捷网络等。而在去年10月末,思科已经宣布成立支持己2.5G和5Gbps的NGBASE-T联盟。两个组织的目的都是要帮助创建和支持新的以太网标准,以填补现有1G以太网设备与10G以太网设备之间的空白。
随着高速802.11ac Wi-Fi的出现,对更高速率的有线技术的需求在不断增长,主要是为了处理1GbE所无法解决的更高带宽问题。尽管10GbE可以提供更高的带宽,但仍存在很多的局限性迫使其不得不掉头向下。局限性之一就是线缆。
现有的1GbE的部署一般需使用Cat5E铜缆,此类铜缆无法有效处理10GbE的流量。而Cat5E甚至Cat6E铜缆却都能够很好地支持新出现的2.5G和5Gbps标准,该标准既可构建一个更快速的有线网络,又无须更换已有的线缆。
而数据中心领域,以太网也正在随着数据中心不断发展,有时这意味着增量改进,而不是巨大的飞跃。
从1G到10G、40G、100G的跨越是非常显著的,这迫使企业部署高速率网络。虽然在网络基础设施部署额外的容量总不会错,但事实是,有些企业可能会看到有一半或者四分之三的高带宽解决方案闲置数年。
正如技术顾问Robin Harris指出的,10G只有很少的部署率,即使它已经推出十年。绝大多数PC到服务器的连接最多只有1G,所以大部分时候企业仍然在采取渐进的步骤来实现高带宽连接,以逐步升级。 在某种程度上,以太网的发展反映了数据中心本身的发展,从通用的解决方案到动态解决方案——为满足应用需求和数据需求进行调整。
以太网联盟主席John D'Ambrosia指出,2014年正是业界探讨新的以太网标准最合适的一年。在2013年,以太网刚刚庆祝完40岁生日,以及其实现10倍的历史跨越。
D'Ambrosia说:“除了40G,我们一直在追求10倍的跨越,我们想利用手里的解决方案去解决一切问题,但实际上这是不可能的。现在的市场发展得越来越大,不容忽视,而以太网也不能以以前的方式继续发展了。”
这些举措都是以太网社区内更广泛的运动的一部分,即调整标准来解决现实世界的问题,而不是迫使解决方案符合几个标准。D'Ambrosia认为,25G以太网标准从资本支出的角度来看有着它存在的价值,它对于多个市场来说都是一个可行的解决方案。2014年6月,25G以太网标准制定的工作开始,并且这一工作一直都得到业界的认可和共识。同样,以太网联盟也在致力于2.5G以太网标准规范的制定工作。
D'Ambrosia说:“虽然,以太网联盟并不只是业界唯一讨论以太网标准的地方,但是我们在以太网标准讨论的过程中做出了贡献,并提供了赞助。以太网标准的讨论促进了业界关于以太网标准达成共识,而以太网联盟在这其中一直扮演了非常重要的角色,发挥着重要作用。”
他认为:“总体来说,业界对于一个单一以太网标准需求强烈,以便满足多个供应商之间的互操作性。”不过,“虽然我们的目标是为以太网标准的制定找到一个规范,但是有多个解决方案也是件不错的事。当你看到这一市场广阔的潜力,多个联盟共同参与也非常有利,两个不同的组织具有同样兴趣去解决一件事情,这种合作很重要。”
好文章,需要你的鼓励
英特尔第三季度财报超华尔街预期,净收入达41亿美元。公司通过裁员等成本削减措施及软银、英伟达和美国政府的大额投资实现复苏。第三季度资产负债表增加200亿美元,营收增长至137亿美元。尽管财务表现强劲,但代工业务的未来发展策略仍不明朗,该业务一直表现不佳且面临政府投资条件限制。
美国认知科学研究院团队首次成功将进化策略扩展到数十亿参数的大语言模型微调,在多项测试中全面超越传统强化学习方法。该技术仅需20%的训练样本就能达到同等效果,且表现更稳定,为AI训练开辟了全新路径。
微软发布新版Copilot人工智能助手,支持最多32人同时参与聊天会话的Groups功能,并新增连接器可访问OneDrive、Outlook、Gmail等多项服务。助手记忆功能得到增强,可保存用户信息供未来使用。界面新增名为Mico的AI角色,并提供"真实对话"模式生成更机智回应。医疗研究功能也得到改进,可基于哈佛健康等可靠来源提供答案。同时推出内置于Edge浏览器的Copilot Actions功能,可自动执行退订邮件、预订餐厅等任务。
纽约大学等机构联合开发的ThermalGen系统能够将普通彩色照片智能转换为对应的热成像图片,解决了热成像数据稀缺昂贵的难题。该系统采用创新的流匹配生成模型和风格解耦机制,能适应从卫星到地面的多种拍摄场景,在各类测试中表现优异。研究团队还贡献了三个大规模新数据集,并计划开源全部技术资源,为搜救、建筑检测、自动驾驶等领域提供强有力的技术支撑。