作为中国历史最悠久、最负盛名且最具竞争力的高等学府之一,上海交通大学(SJTU)已经在其五个校区部署了新的10 Gbps网络主干线路,以支持学术和行政系统的数据流量的持续增长。 通过将之前在不同网络上运行的应用程序迁移到一个单一的基础架构上,在博科(NASDAQ:BRCD)强大的交换路由器上运行的新的主干线路帮助上海交通大学降低成本并简化管理。 无论对学校学术水平的提高,还是数字校园服务创新的支持来说,博科的解决方案为上海交通大学迈向软件定义网络(SDN)奠定了坚实的基础。
上海交通大学创办于1896年,因培养中国的顶尖工程师和科学家而闻名于世。20世纪30年代,上海交通大学就被誉为“东方的麻省理工学院”。自上世纪70年代末以来,上海交通大学经历了迅速发展的阶段,目前学校专业已经涵盖教育、商业、法律、医学、生命科学和社会科学等学科。 如今,上海交通大学拥有近40,000名在校学生,超过一半的学生正在攻读硕士学位。此外,还拥有1900余名教授和副教授,其中包括15名中国科学院院士和20名中国工程院院士。
上海交通大学网络信息中心运行部主任谢锐表示:“上海交通大学当前的网络庞大而复杂,必须为校园里的有线和无线设备提供可靠的服务。在过去的九年里,我们一直在主干线路中使用博科MLX系列路由器,事实证明了它的强大。 因此,在选择新一代的基础架构时,我们首先考虑到了博科。我们最近部署的博科MLXe路由器使网络管理成本减半,同时使核心网络性能增加了10倍。它基于开放的标准,为迈向软件定义网络奠定了坚实的基础。”
博科网络工程师与上海交通大学一起设计了一个满足该校需求的基于Brocade® MLXe 核心路由器的解决方案。 这些路由器都采用了最先进的第六代网络处理器架构和TB级交换矩阵。博科MLXe核心路由器助力上海交通大学以10 Gbps的速度来运行主干线路,在需要的时候能够支持40和100 Gbps线速接口。 博科MLXe核心路由器还提供了一组丰富的高性能第2/3层、IPv4、IPv6和多协议标签交换(MPLS)、线速加密和软件定义网络功能。 MPLS正被上海交通大学用于把主干线路分割成多个虚拟网络,以满足包括以前在独立的物理网络上运行的校园电视和一卡通智能卡接入系统等在内的不同的应用流。
博科大中华区副总裁于肇烈先生表示:“上海交通大学是中国的顶尖学府之一,在 IT相关领域表现突出。 我们为了上海交通大学更加信任博科的技术,进一步部署博科MLXe路由器来支持其下一代主干线路而骄傲。 无论对于学校的行政管理还是学术发展来说,上海交通大学对软件定义网络(SDN)都十分感兴趣。我们正期待该校在未来几年里开发更多基于软件定义网络(SDN)的创新成果。”
Brocade MLX® 系列产品通过支持基于OpenFlow的路由器和OpenFlow SDN控制器(如基于Linux 基金会的OpenDaylight 项目的博科SDN控制器)之间进行通信的OpenFlow 1.3协议,实现了软件定义网络。 博科设备支持OpenFlow Hybrid端口模式,帮助上海交通大学能够在同一端口上同时部署多个含有OpenFlow的传统路由。通过支持OpenFlow集成到现有的网络中,利用软件定义网络为特定流量提供编程控制,并保持原有的流量发送方式,这一独特的功能为迈向软件定义网络(SDN)提供了一个实用的路径。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。