现在是时候用USB-C替代数据中心内的RJ-45连接器了吗?我知道你们会说:“这是什么东西?没有什么可以取代我的水晶头……”
诚然,通用串行总线(USB)是设备到主机,没有两个路由器或交换机不是端到端。USB还是一个低级别标准,不是专门用于以太网数据包。虽然我们可信赖的铜线以太网已经有几十个继承替代品,但还没有哪个替代品暂时可以占主导地位。但也许,我们应该要准备更换了,特别是在计算密集型数据中心。
不屈不挠的廉价的水晶头
除了功耗,IT中是否有比RJ-45更长久和普及的连接器吗?当然,串口和其他几个连接器(例如D-Sub视频图形阵列)将会更长久,但它们并没有广泛普及。从电信运营开始,8位8触点(8P8C)连接器就一直占统治地位。有谁真的会想念多余的光纤通道SFP连接器吗?没有。所以,以太网光纤通道(FCOE)正在吸收另一个潜在继任者。当然,还有很多链接,其中光纤是唯一合理的解决方案,通常基于长度,但对于大多数连接,用户会希望使用熟悉的水晶头。
RJ-45电缆成功的理由很简单:我们非常喜欢它们。每次我认为我们遇到瓶颈时,尖锐的工程师就会把它更推进一步,这些工程师可能只是不想让熟悉的以太网标准消亡。在写到这篇文章时,40GBASE-T over CAT 8即将推出,贝尔实验室展示了通过两对电话线可实现10 Gbps速度,而谁知道四对CAT.next会带来怎样的速度。作为技术人员,我们只是喜欢我们可敬的非常廉价的RJ-45连接器插头。
另一方面,以太网(协议)并没有太多导管忠诚度。它的应用一直延伸到消费者连接,例如HDMI(以及HDMI以太网通道),通过少许帧封装,USB-C(也称为USB 3.1)将会是世界上最便宜的10 gig数据电缆。你可能可以不再需要使用电源和KVM电缆。
你可能想要尝试的USB 3.1思想实验
想象一下整个机架的商用服务器使用Facebook、OpenCompute或其他开放标准架构,每个都有存储、内存、CPU、以太网连接器和电源线。大多数可能有主板电池来在短期系统停机期间提供不间断电源供应或完整的电源供应。这涉及很多电源组件、连接器和电缆,特别是当你考虑机架中PC板的数量时。因此,如果你引入USB 3.1电缆会怎么样呢?
首先,5 amps(100瓦特/20伏)对于数据线来是很高的电耗。这足以运行商用PC,特别是具有闪存的PC(以太网PoE+只有这的四分之一)。其次,虽然USB信令没有多对以太网那么有效,还有很多现有解决方案可以跨USB传递802.3帧。例如,Linux USB-eth模块让USB对操作系统看起来像是以太网—IP、MAC等。USB从一开始一直在做KVM,这是单一电缆中的另一个融合协议。这甚至被证明足以取代SATAe。
其中缺失的组件是架顶式交换机,在这里商品化真的会有所帮助。虽然过于简单化,该交换机的重点是64端口Broadcom Trident芯片,加上6400瓦电源供应,具有10 Gb或40 Gb光纤上行链路。通信和电源基础设施将被融合到单一设备。通过少数帧封装,硅机架然后降至包含两单位类型,由非常廉价的USB 3.1线缆来连接。想象一下,只有一个插头,对单个网络/配电装置设备和个人电脑集群的监控和管理会多么简单。
也许有一天我们信赖和可靠的以太网布线以及RJ-45连接器将会消失。但USB 3.1真的会取代数据中心布线吗?当然不会。我太喜爱像乐高玩具一样点击水晶接头,我希望PoE会超过25瓦。但迟早,电源和数据的融合会来到数据中心,这将不会是坏事情。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。