服务提供商相信,开放SDN和网络功能虚拟化(NFV)将成为他们网络的基础。AT&T的IT主管Andre Fuetsch在Open Networking Summit(ONS)的一次小组会议上说:“关于SDN和NFV,我们将全力以赴。”这个小组会议的参加人员还包括来自SK Telecom和NTT Communications的高管。
运营商认为,SDN最终能够减少开支,并且创造一种能够更快速重新配置的网络,从而改进或发布面向商业客户的新服务。服务提供商正在测试各种与SDN相关的开放技术,其中包括OpenFlow、OpenStack和Open Platform for NFV(OPNFV)。
此外,他们还测试了是否能够使用开源替代产品来取代网络供应商的私有交换技术。运营商可以在一个运行SDN操作系统的消费类x86硬件上运行软件,然后他们可以在与供应商(如思科、瞻博网络和爱立信)的交易谈判上获得更大的议价权。
网络供应商争夺的领域
运营商并不预期开源技术能够让他们完全摆脱供应商。然而,一些围绕开源软件来开展业务的公司则很可能会像网络供应商一样将客户绑定到自己的实现技术上。开源软件不太可能满足所有用户的需求,因此SDN部署很可能需要使用私有技术。
韩国电信公司SK Telecom的研发主管Kang-Won Lee说:“我们希望避免厂商锁定,但是,现在还不清楚开源技术是否也一样。”
传统网络供应商已经发布了SDN平台。但是,因为这个市场还很年轻,所以AT&T愿意与创业公司交流,测试他们产品的可扩展性。Fuetsch说:“我们确实欢迎搅局者。”
Fuetsch 指出,AT&T希望在5年内将自己75%的网络变为由软件控制。这家公司计划将NFV在网络堆上一直推进到第一层,这样就可以提高城际光纤传统网络的灵活性,同时减少对于昂贵硬件的依赖。
这家公司及其合作伙伴在ONS上演示了一个概念验证项目中央办公网络再架构为数据中心(CORD)。CORD组合使用了SDN、NFV和消费类基础架构,创建了一个具有与云服务提供商所使用数据中心同等灵活性的中央办公网络。
Lee指出,SK Telecom目前正在测试OpenDaylight控制器和ON.Lab的开放网络操作系统(ONOS)。此外,这家公司还在测试使用OpenFlow去连接控制器与驱动SK Telecom无线回程的设备。
NTT负责服务基础架构的高级副总裁Yukio Ito指出,NTT正在研究是否可以将ONOS和O3 Orchestrator Suite(ODENOS)用作网络管理平台。ODENOS是一个开放网络编制框架,它可以控制多层、多域或多供应商网络。专家指出,实现SDN的最大障 碍是人,而非技术。采用这种架构的运营商和企业都必须对网络运营商进行再教育,使他们像软件开发者一样去思考问题。
Fuetsch说:“我们在人员和文化方面做了很多工作。”AT&T已经启动了一个“大规模再教育项目”,其中包括来自乔治亚理工学院的在线课程。
谷歌发布Jupiter
通常,亚马逊、谷歌和微软等最大型云服务提供商已经在运营商之前开始部署SDN。例如,谷歌说它使用内部开发的SDN已经有十几年时间。
在ONS上,谷歌推出了Jupiter,这是它的第五代SDN技术。此外,这家公司还通过谷歌云平台将其网络基础架构提供给外部开发者使用。
谷歌大概介绍了Jupiter交换结构的细节,它支持每秒1PB的数据传输速度。谷歌的网络可以划分为两个对等部分,而Jupiter负责两者之间的数据传输。按照谷歌的数据,每秒1PB的速度已经能够在十分之一秒内将国会图书馆的所有内容传输到目的地。
谷歌的数据中心设计使用了一种集中式软件控制堆,它可以将成千上万个小型廉价交换机变成一个大结构。此外,这个软件堆还负责管理这个结构。
谷歌自己开发了网络软件,并使用芯片制造商的芯片开发了硬件。此外,它还大量使用了根据自身数据中心需求定制的协议。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。