企业网络软件更新滞后是由于采用新技术有很多障碍。好消息是,这些挑战都不是很难克服的。
在采用新的软件网络技术方面,相比起电信服务供应商,一般企业速度要慢很多。
事实上,根据Doyle研究表明,企业占软件定义网络(SDN)和网络虚拟化支出总费用少于40%。
企业采用新技术的障碍包括缺乏明确的业务驱动力,以及不知道哪家的技术策略值得信任的感知风险和混乱。
网络软件由软件定义网络(SDN)和虚拟网络因素两者组成,包括4-7层提供独特价值的设备,且分别由底层网络硬件商出售。
事实上,网络软件有各种用途,包括用于数据中心网络;路由选择;交换;广域网优化;应用交付控制(ADC);网络监控和管理,以及网络安全。几乎4-7层设备的每个供应商都有一个虚拟设备选项。
很多大型企业正在评估网络软件的部署,但是对于技术成熟性存在恐惧,不确定和怀疑。本质上,他们想要确保选择了“正确”的架构,并且和一个值得信赖的合作伙伴来发展其网络。
不像云服务提供商,他们普遍采用绿场部署新的软件,也就是在以前不存在网络的地方部署。而企业必须考虑到新技术对于他们传统网络和目前正在使用的数以百计的应用程序的影响。
以下是可以解决目前在企业部署网络软件所存在障碍的方法:
• 用商业案例证明:提供已存在的,公共的网络软件部署案例,以清晰地展示商业利益和挑战。
• 传统网络和应用程序集成:行业内需要公开讨论并解决在一个传统的网络环境中,管理新的软件定义网络(SDN)/虚拟网络元素所带来的挑战。
• 提供使用案例:厂家总是急于吹嘘网络软件,而常常错过介绍具体而又基本的使用案例。厂家应该告知客户其软件可带来的利益,还有相对容易实现的优势。
• 解决多厂商互操作性:所有的大企业都有大量的网络和安全供应商。网络软件部署必须证明,可以和领先的供应商的设备互操作,如思科、VMware、F5等。
也许部署网络软件最大的障碍是不知道如何从广泛的技术选项中进行选择。首先,有几个要考虑的关键技术:
• VMware NSX: NSX是一种数据中心的网络软件叠加技术。它最初使用是由安全需求(微分段)所驱动。VMware表示,其拥有超过250个NSX付费用户。
• 思科的应用策略基础架构控制器(APIC):应用策略基础架构控制器(APIC)为数据中心网络提供自动配置和管理。在其早期版本中,思科表示其拥有超过200个应用策略基础架构控制器(APIC)客户。
• OpenDayLight: ODL(OpenDayLight)是一个网络可编程的开放控制平台,可确保软件中网络服务的广泛使用。ODL(OpenDayLight)可以作为开源软件部署,也可以从很多网络提供商获取。
• 网络软件独立供应商(ISVs): 目前有不少网络软件供应商可提供各种功能产品,包括白盒交换机控制,路由选择,广域网优化,应用交付控制(ADC),以及网络监控,所以IT经理有不少选择。目前已经拥有一些大客户的网络软件独立供应商(ISVs)也有不少,包括Adara, Big Switch, 博科,Cumulus, Nuage, Pluribus, Plumgrid, Sideband和Viptela。
尽管现在是企业网络软件的发展早期,但是还是有一些大型机构已经成功地部署了网络软件,无论是在绿场还是传统环境中。例如,金融服务公司Lucera已经在它的数据中心和广域网部署了软件定义网络(SDN).
2014年10月的开放网络用户组(ONUG)会议上,工程公司MWH Global解释了它将如何用虚拟广域网替代它大部分的多协议标签交换(MPLS)网络。与此同时,一些其他大型企业讨论了其数据中心和局域网内当前和计划的网络软件部署。
最近的新闻显示,在OpenStack环境中背后有着很大的网络软件部署潜力。在未来几年,OpenStack环境中相对弱的网络功能将会是网络软件部署一个有力的驱动。部署了OpenStack的IT经理可能会向商用网络软件供应商投去橄榄枝,以得到他们所需要的虚拟网络功能。
好文章,需要你的鼓励
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法,即使2B参数的小模型也能在翻译质量上匹敌70B大模型,同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力,为AI模型的专业化发展提供了重要参考。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
莫斯科科学家开发出"听众机制"训练方法,解决AI视觉偏好判断中推理不一致问题。通过让两个AI模型相互"对话"验证推理过程,新方法在ImageReward基准上达到67.4%准确率,并在现代图像数据集上显著提升泛化能力,为开发更可靠可解释的AI系统提供新思路。