ZD至顶网网络频道 09月18日 编译:目前软件定义网络(SDN)市场的主要态势是,VMware和思科都在争取软件定义网络客户的心,而且这种竞争越来越激烈。但是,根据VMware全球系统工程副总裁Dominick Delfino的说法,VMware的大多数客户都是在思科的网络硬件上运行VMware的NSX软件定义网络软件。
“坦率地说,我们客户中大约有3/4正在思科网络上运行NSX。”Delfino在本月初接受采访时这样表示。
据了解,Delfimo曾在思科工作了14年的时间,于去年9月加入VMware。在思科工作期间,他曾负责推广SDN技术,也就是思科的应用为中心的基础设施(Application Centric Infrastructure,ACI)。Delfimo在思科渠道方面曾是一个很受欢迎的人物,到VMware以后,成为负责向合作伙伴推广NSX的VMware高管之一。
根据思科的介绍,思科ACI包括一系列软件、Nexus 9000系列交换机和应用策略基础架构控制器(Application Policy Infrastructure Controller,APIC),负责在网络上管理、创建、保存和执行策略。
相比之下,VMware NSX是一项纯软件技术,Delfino表示,这对客户来说最具有吸引力的地方是用户可以在不改变现有网络的情况下运行NSX。
“我们可以把NSX放在思科设备之上,客户可以利用在网络自动化或者基础设施及服务或者私有云背景下的网络虚拟化,或者是搭载平台即服务(Paas)和开发云。”Delfino这样表示。
August Schell是一家总部设在马里兰州罗克韦尔的VMware合作伙伴公司,该公司副总裁Ron Flax表示,他的很多客户都在采购思科Nexus 9000系列交换机,并在其上运行NSX,而不是ACI。
“思科Nexus 9000交换机是一款很棒的产品,定价合理,对于思科的设备来说。”Flax的公司同时也是Nicira的合作伙伴,后者是VMware在2012年收购的SDN初创公司,也就是后来的NSX。
此外,NSX还采用了“微细分”,这是VMware的一种网络安全功能,通过控制数据中心服务器之间的“东西”向流量传输来进行控制。在Delfino看来,这是VMware很大的一个优势。并表示“如果选择过渡到替换技术,相比之下NSX实际上为一些现有基础设施提供了更多的投资保护。”
当然思科也有不同的视角。思科CEO Chuck Robbins在上个月的一次采访中表示,ACI对于企业来说更胜一筹,它可以超越数据中心扩展到网络的其他部分。
“实际上我们可以采用ACI,实施它,可以推动其进行扩展,我不认为VMware已经证实了他们有这个能力。”Robbins这样向媒体表述。
尽管VMware NSX与思科ACI已经变成了一种信仰的冲撞,但大多数行业观察者认为在整个SDN市场还有很大的空间,可以利用这项技术做得更好。
这就意味着,一些同时与VMware和思科合作的合作伙伴认为,NSX在这个阶段是有一定优势的,这并不意外,因为VMware率先将自己的产品推向了SDN市场。
“我相当肯定,VMware可以创造大量在数据中心规模运行NSX的大型实际生产用户,而对于思科是否能做到这点,我并不那么确定”一家同时为两家厂商的合作伙伴、并要求匿名的解决方案提供商高管这样表示。
据了解,这个月底Delfino在VMware工作刚好满一年,他向记者表示,他对VMware继续在SDN市场打造NSX充满信心。
“VMware的一个巨大吸引力是,它的文化是非常非常以工程为主导的。当你在销售部工作的时候,或者你在系统工程部工作的时候,一天下来,你必须在产品的支持下走向市场。”
Dlefino最后这样表示。“你可以只从销售的角度或者市场的角度让它听起来很棒,但是如果用起来不像听起来那么好,你就根本不会采用。”
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。