汹涌的下一代互联网发展热潮中,SDN步步紧逼,蓬勃兴起。越来越多的企业积极布局谋出路,通过率先进行网络架构的创新,及时响应市场需求,提升企业的市场竞争力。
腾讯作为全球互联网行业的巨头,非常重视下一代网络架构的发展,与杭州华三通信技术有限公司(以下简称华三通信)携手探究SDN技术、推进SDN落地部署,利用SDN拉开了面向大规模可运营云计算网络应用的新IT之旅,在行业互联网化变革中赢得了先机。
巨头携手,玩转SDN
在以“数据中心网络”为王的互联网企业中,数据中心网络模型的创新与特性开发是支撑业务发展的重要基石。面对日益庞大和复杂的业务需求,作为互联网行业的“老舵手”,腾讯迫切需要为数据中心注入新血液,为业务发展增添动力。
SDN技术的成熟为腾讯云计算的深入发展和实践提供了新契机。华三通信作为腾讯连续多年的A级设备供应商和最佳合作伙伴,在腾讯推动数据中心新网络发展的过程中起到了关键作用。双方在SDN领域开展了多方面技术合作,通过优势互补,成功占据行业领先地位。
早在2013年SDN和Overlay技术在国内刚刚起步之时,腾讯便与华三通信在SDN技术领域进行了“大刀阔斧”的研究,就实质性的IDC SDN网络研究与开发展开探索。目前,针对互联网客户对SDN、Overlay等新网络技术的需求,双方已经探寻出一套面向云计算的详实而高效的落地方案,包括虚拟化数据中心网络方案、SDN数据中心网络方案、SDN Overlay数据中心云计算多租户网络方案等。
此外,SDN的落地部署不仅需要过硬的技术,还需要相应的产品、技术方案、网络服务、质量、供应链等多层次的保障。华三通信在服务腾讯的过程中,提供了技术支撑、产品开发、方案联调到落地的全套服务,展现了华三通信专业化服务水平、快速响应能力、团队配合能力以及产品稳定度、供应链等多方面的IT素养,得到腾讯的高度认可。
基于双方长期高品质的合作,华三通信与腾讯也因此正式签署了云计算网络联合设计研发备忘录,未来将共同开展面向大规模可运营云计算网络的解决方案研究,通过SDN、VxLAN和NFV等先进技术,助力腾讯进行下一代网络的深入实践。
“过硬”技术,打造基石
如果把腾讯数据中心网络比喻成万丈高楼,那么腾讯与华三通信在各领域的技术合作无疑是最可靠的“基石”。在全程参与腾讯数据中心网络模型设计验证、特性开发、试点建设的过程中,华三通信在各领域的创新技术能力与丰富部署经验都得到了充分展现。
在面向云计算的数据中心网络方案设计的过程中,华三通信与腾讯就SDN和VxLAN技术在数据中心落地的方案展开深入交流,以腾讯技术需求为导向,针对相关的vSwitch、Controller、VxLAN IP GW等进行开发合作,为适配腾讯更大规模的云数据中心方案做好了充分准备。
其次,SDN控制器作为决定SDN能否落地实践的重要因素,备受双方重视。华三通信基于已商用的高性能分布式控制器集群产品为腾讯进行了特性开发,为整个IDC新网络模型的落地提供了产品保障。与此同时,性能的优化也是IDC架构模型能否成功的重要因素,腾讯与华三通信联合对Open vSwitch做了性能和特性优化,用作VxLAN网络的边缘节点。
值得一提的是,双方在SDN、NFV、网络功能虚拟化等技术领域展开的通力合作,为云计算发展环境中多租户网络应用提供了可能。腾讯在云计算网络中已经引入了华三通信NFV产品,凭借极强的可扩展性和灵活性,有效支撑腾讯云VPC租户的业务需求,充分满足了当前业内云计算网络的弹性发展需求。
服务,领先的“另一面”
先进技术支持固然重要,但如果缺乏系统性的网络服务做保障,项目也很难实现落地部署。
华三通信在网络服务领域具备的优势在服务腾讯的过程中得到了充分体现。在腾讯IDC架构新网络模型实践中,华三通信配合新网络模型做了诸多方案设计,进行了架构优化咨询、测试验证等多方面准备,通过细节技术的分析,对常见问题进行规避,最大程度保障了业务的顺利进行。
华三通信还同时配备专业服务人员,对腾讯数据中心新模型试点进行特殊保障,从备件、现场服务、故障分析等方面为腾讯提供了周到贴心的现场值守服务。而应用于腾讯的IDC产品组网方案都会在实验室提前论证,通过详细测试后才能进行交付。
共生未来
未来,腾讯与华三通信将在软件定义网络、网络虚拟化等新技术领域展开更加深入的技术探讨、联合开发,同时进行一些标准规范研究、应用实践与示范推广等方面的交流与合作,双方通过建立高效的联合研发团队,搭建联合实验室,共同致力于网络技术领域相关理论、前沿技术、工程实践、网络运营等方面的技术事业,推动中国互联网的发展与进步。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。