在软件定义网络萌芽期,只有一种SDN协议:OpenFlow;而如今,用户有了更多种类的SDN协议用以选择。
曾几何时,软件定义网络只有一种协议:OpenFlow。经典SDN皆依赖OpenFlow保证SDN控制器和执行其命令的数据平台设备的连接。
然而,在发展过程中更多地强调集中的网络虚拟化和可编程性,而不只是控制与数据平台的分离,因而SDN有了更为广泛的含义。随着这种转变的发生,该领域的其他协议变得越发重要起来。
思科推出了一种SDN协议让策略能够在由智能设备组成的网络中自动传播,而不是将数据平台设备“白纸化”。VMware NSX和其他解决方案的崛起带来了可覆盖整个本地网络的VXLAN协议。NVGRE是种相似的虚拟化协议,吸引了微软及其他知名企业在云环境中使用它。而Geneve则是种更新的虚拟化协议,旨在统一VXLAN和NVGRE。
考虑到有越来越多的协议可供选择,怎样决定哪种SDN协议是最适合你的?对多数人来说,问题应归结为:哪种SDN方案能够支持起未来几年内你想要及需要做到的事,从而使用它所支持的那种协议。
确实,OpenFlow拥有最广泛的供应商和技术支持的生态系统,不过若是基于OpenFlow的SDN达不到你想要的,可以看看其他的是否能够满足你的需求。且长远来看,拥有一到两个备选协议和迁移途径将不成问题。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。