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
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。