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
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。