对于企业而言,SD-WAN具有很大的潜能,特别是随着开发人员开始使用各种定制服务和功能。软件定义WAN(SD-WAN)的发展给企业提供了各种各样的好处,包括从降低资金成本支出到改进功能等。
但首先让我们看看软件定义网络(SDN)与传统网络的区别。
在传统网络中,每个设备都配备专有控制平面,它可理解并根据需要运行必要的交换和路由协议。而对于SDN,控制平面从物理设备中分离出来;流量通过中央软件控制器路由。这种方法让网络更加动态;并可根据需要添加和减少资源。而且这种方法不必使用专有软件来运行物理组件。SD-WAN开发人员利用开源和开放标准软件作为其基础,可添加他们需要的功能,而不需要了解运行网络的硬件。为此,WAN会被虚拟化(正如现在的服务器),因为主机不会意识到网络资源是非物理而是模拟的。
开源软件联合推动软件定义WAN
开源软件和开放标准将推动现在的WAN转型。在软件定义环境中,我们不再需要购买专用硬件来执行特定的任务。WAN管理和服务将主要通过白盒设备;连接将根据需要来增加。优化和其他服务质量属性将满足应用本身的具体需要。
以开源软件作为基础,WAN软件开发人员可以协同工作,创建新的服务,允许企业快速配置WAN链接来满足其特定业务需求。
现在我们还没有发展到那一步,软件定义WAN底层基础刚刚处于起步阶段,但在未来几年内,我们希望看到企业开始享受下一代网络带来的好处。
好文章,需要你的鼓励
从4万亿芯片帝国到AI革命,黄仁勋揭秘英伟达30年创新密码:'你必须相信你所相信的'。当计算成本10年下降10万倍,人类将面临怎样的未来?这场斯坦福对话给出了颠覆性答案。
香港中文大学团队首次将DeepSeek-R1推理范式应用到视频理解,开发出Video-R1系统。该系统通过创新的T-GRPO训练方法,让AI学会利用视频时序信息进行深度推理,而非简单识别画面。在多项测试中表现优异,甚至在空间推理任务上超越GPT-4o,为AI视频理解开辟新道路。
谷歌DeepMind发布AlphaEarth Foundations AI模型,能处理每日数TB卫星数据追踪地表变化。该模型如"虚拟卫星"般将全球陆地和沿海水域映射为数字表示,帮助科学家监测食品安全、森林砍伐、城市扩张等关键问题。模型整合光学卫星图像、雷达、激光测绘等数据源,以10×10米精度追踪变化,错误率比其他模型低24%。
上海AI实验室发布视觉强化微调技术,让计算机学会"边看边思考"。该方法通过强化学习训练视觉模型先进行推理再给出答案,在少样本学习中表现优异,单样本图像分类准确率提升24.3%,物体检测精度提升超20分,在开放词汇检测等任务上也实现显著突破。