澳大利亚电信市场中的专业从事数据与语音批发服务的运营商 Virtutel选择博科来建设网络基础架构,以期支持新IP。这家有着高达三位数的业务增长,并且有国际扩张的需求的公司将部署博科® SDN就绪的交换机和路由器,以便通过系统集成商、IT咨询公司和托管运营商来交付服务。
作为其“全球网络”战略的一部分,Virtutel Network为企业和政府机构提供专网、互联网、主机托管和语音服务。公司通过其新加坡分公司服务亚洲市场,并通过美国分公司服务北美和欧洲市场。采用博科的解决方案支撑了这样的业务增长。
自2014年初开始,Virtutel进入新西兰市场,在悉尼开设了第二个办事处,并在洛杉矶建立了一个入网点(PoP)。2015年1月,新加坡PoP也正式上线。在澳大利亚,公司希望在达尔文和霍巴特 等非传统城市满足客户需求。Virtutel 的国际增长计划还涵盖香港、印度,很有可能还有英国。
Virtutel公司总经理David Allen表示:“随着客户越来越需要并依赖云应用,带宽需求每六个月增加一倍,我们无法通过现有基础架构维持更长时间。与此同时,我们必须在服务交付方面变得更加动态。 因此,软件定义网络才是我们要走的道路。博科解决方案提供我们所需的高成本效益的功能和灵活性,以便我们领先客户需求,并能够沿着快速增长的轨迹继续前进。 与此同时,博科解决方案帮助我们构建了一个第一层语音网络,为其提供数据传输支持。”
作为阶段性部署计划的一部分,Virtutel已通过部署博科ICX®以太网交换机和博科NetIron® CER 2000 路由器开始迁移,以此在PoP站点提供网络接入和IP/MPLS骨干连接。 如果业务增长有需要,Virtutel将部署博科MLX®路由器,从而实现无缝运营模式。
博科解决方案对OpenFlow 1.3软件定义网络(SDN)协议的全面支持,也是Virtutel决定采用这一解决方案的关键之所在。 Allen还表示,公司致力于保持云中立,通过SDN控制器,充分利用OpenFlow的标准集成,即可通过OpenStack云计算平台让客户能够在自己想要的任何地方托管应用。 公司还开发了一个支持SDN的网络服务调配的门户网站,以便让客户能够在移动中注册并配置网络。
企业在通往新IP的道路上,依赖于一种基于四个基本属性的现代联网方式,这个网络具有以下特性:
· 有目的的开放
· 以创新为核心并由软件实现
· 以用户为核心的生态系统驱动
· 按照客户条件来定义
博科澳大利亚和新西兰高级总监Gary Denman表示:“IT是公司创新和价值的驱动力,每个IT部门都希望满足不断变化、不断增长的用户需求。他们希望提供一个快速创新的平台,在该平台上面构建富有竞争力的数字业务,就像云提供商现在所做的那样。传统运营商也有相同的意愿。不幸的是,对传统网络架构的依赖使这个意愿很难实现。许多人甚至说,旧架构就是阻碍他们前进的因素。”
他总结道:“新IP让企业能够转型它们的基础架构和业务,以实现革命性成果。这是一个必要且显著的变化,确保针对现代世界重新构建的网络满足云、社交和大数据的需求。而转向博科解决方案将为Virtutel提供更加敏捷的网络。”
Allen表示,博科解决方案的初始部署已完成,Virtutel已经注意到了它的优势。在MPLS上建立虚拟租用线路会是一个更加流畅的过程,而网络的整体管理也会更简单。
博科的本地合作伙伴ASI Solutions,负责为Virtutel配置博科网络产品。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。