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
文章探讨了CIO在2025年应该重点投资的五个AI领域:可信工作流的代理AI、智能文档管理、营销客户数据需求、从数据驱动转向AI驱动、重新审视IT架构以支持AI目标。这些投资可以在短期内带来效益,同时成为长期财务回报的倍增器。CIO需要在这些领域制定务实的AI应用策略,简化平台,加强风险管理,以应对未来的挑战和机遇。
Instabase 公司完成 1 亿美元 D 轮融资,估值 12.4 亿美元。该公司提供非结构化数据处理平台,可从多种文件中提取信息并标准化。新资金将用于增强数据提取、分析和搜索功能,以满足企业 AI 需求。
人工智能在建筑设计领域正展现出惊人潜力。从生成令人赏心悦目的建筑效果图,到创造无限游戏世界,AI 正逐步改变设计流程。尽管人类仍是核心创作者,但 AI 辅助工具正迅速普及,未来可能会大幅提升设计效率和质量。这一趋势引发了对 AI 取代人类建筑师的担忧,也带来了硬件革命和地缘政治影响。
研究显示,高收入公司的CEO正将人工智能置于业务战略的核心地位。欧美企业声称已具备AI项目的基础条件。专家建议避免过度乐观,关注投资回报,构建稳健的数据基础,并优先考虑循序渐进的推广策略。研究还发现,最成功的公司往往是那些高层领导有意识地不直接参与AI战略制定的公司。