云服务很容易让一些公司忘了IT的基本面,比如容量管理、变更控制和网络管理。由于争先恐后地改用云服务,许多公司变得极其关注搭建各自的云平台,因而不再关注企业的其他重要方面。
企业需要重新获得控制权的最重要的部分之一就是其网络基础设施。确实,在基于云计算的这个新环境下,网络对IT运行而言比以往来得更重要。又由于关 键服务器和数据现在托管在云端,用户从远地和公司总部访问这些数据和计算资源,网络流量只会有增无减。在基于云计算的环境下,网络本身实际上成了云的一部 分。
对许多公司来说,致力于尽量提高现有网络效率和尽量利用网络资源同样至关重要。对小公司来说尤为如此:由于现有用户访问云,小公司必须添加网络容 量,以支持日益增长的网络需求;又由于公司规模不断扩大,招收更多的员工,必须支持新的场地和办事处。虽然大企业拥有的资源可能比小公司多得多,但是它们 仍面临巨大的压力: 削减成本以及少花钱多办事。
就在许多公司想方设法优化网络以便与云平台协同运行之际,有几个策略备受关注,其中包括:
1. 广域网优化:广域网优化(或广域网加速)技术其实结合了一系列方法,旨在通过减少流量中的低效率和冗余现象,因而减小总的流量需求,达到管理网络流量的目的。一些广域网优化方法包括如下:
•缓存――缓存是指使用本地存储、预先装入的数据,比如你用户的浏览器经常请求的图片及其他元素。缓存机制将某个特定的图片(比如企业标识)发送到某个特定的远程站点,然后该图片由本地设备加以缓存,之后就可以保存该图片,本地提供图片,因而节省了带宽使用量。
•重复数据删除――重复数据删除技术对某个或某批特定的文件执行单次的全面备份,因而削除了与数据备份有关的网络流量,然后只发送那些文件日后逐渐变化的部分,而不是发送整个文件。
•压缩――压缩技术利用诸多算法和方法,减少通过网络发送的数据量,消除了某个或某批文件的不必要部分,因而减少了传输的数据量。
2. 宽带合并:宽带网络给中小企业和大企业同时带来了大好希望,提供了以非常经济实惠的价格享用比较粗的带宽 这种选择。但是宽带电路在规模和可靠性方面通常有限,这进而限制了使用宽带连接的有效性。然而,如果利用宽带合并技术,你就能把几条宽带和互联网连接合并 成提供可扩展性和容错性的单路统一连接。
3. 广域网流量管理:许多公司并没有有效地管理网络流量,因而浪费了网络资源,限制了网络的有效性;如果向云迁移,通常只会加剧这个问题。广域网流量管理技术利用了流量整形和流量监控等方法,识别关键流量并确定优先级,因而提高了网络效率。
要牢记的关键一点是,随着云不断发展,网络和云显然迅速合为一体。实际上,云成了网络的一种功能,而效用计算(utility computing)的最终目的就是,计算最终会变成一种网络功能。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。