戴尔于近日宣布扩展网络产品组合,满足园区网络日益复杂的需求和数据中心内飙升的带宽需求 。针对园区网络,戴尔推出了全新的统一园区架构,其中包括全新戴尔网络C9010网络导向器交换机和C1048P高速接入节点;而针对数据中心,戴尔推出了戴尔网络S6100-ON,整合了多速率连接、模块化和开放式网络,提供无与伦比的机架内网络灵活性。
戴尔全球副总裁兼戴尔网络及企业构架总经理Tom Burns表示:“戴尔提供整体性的端到端网络方案,从连接数据中心内的服务器存储和工作负载到连接园区内的桌面和移动设备。这些新产品、新功能,以及更高的简洁性和灵活性,能够帮助客户为未来做好准备,我们对此感到十分兴奋。”
全新的戴尔统一园区架构专为需要更高的可扩展性和简化管理的大中型园区环境而设计,为从接入网到核心网的整个园区提供统一的管理视图。这为服务质量、政策配置、软件升级以及编程软件定义属性提供了统一的控制点。此外,由于使用行业标准协议,全新的戴尔园区架构让客户能够使用现有戴尔园区投资快速启动,只需把戴尔网络N系列重新部署为接入节点。
戴尔网络C9010网络导向器
全新戴尔网络C9010网络导向器是新一代多速率模块化交换机,并且是第一个基于全新戴尔园区网络架构的平台。它提供最高的可扩展性——最多4000个集中管理的虚拟端口,灵活地支持目前的10和40千兆以太网(GbE),并且在未来无需工具即可升级到100GbE以满足园区内各种用户和端点设备越来越高的带宽需求。一开始,C9010可以部署为传统的园区交换平台,无需戴尔网络C1048P高速接入节点,在有线机柜内聚合传统交换平台。
戴尔网络C1048P
但是,C9010在与C1048P高速接入节点结合使用时才能发挥最大威力,在园区网络内提供更高的简洁性和可扩展性。通过在用户访问和连回C9010时提供强化的以太网供电,戴尔网络C1048P扩展了C9010网络导向器的功能。C1048P可以独立部署或在堆栈配置中部署,并且可以随时引入到新架构当中,从而大幅简化了维护和运营工作。通过软件下载,当前客户环境中的戴尔N系列交换机也可以成为接入节点,从而更好地保护投资。
作为S系列数据中心交换机的最新成员,戴尔网络S6100-ON整合了多速率连接与机箱级模块化和开放式网络,非常适合那些希望在机架中获得最高灵活性和控制力的数据中心运营商。通过多个扩展模块,客户可以灵活地提供从10到100GbE的各种端口速度组合以及QSFP28和CXP端口选择,在部署中获得极高的灵活性。由于具备更高的密度、性能、灵活性和简化的管理,戴尔S6100-ON非常适合虚拟化、云计算和大数据分析环境——未来就绪企业的所有基础元素。
戴尔网络S6100-ON
戴尔网络C9010和C1048P将于2015年10月上市。
戴尔网络S6100-ON 预计将于2016年第一季度上市。
“说到理解数据中心目前和未来的要求,戴尔给我们留下了深刻印象。高密度以及从10GbE到100GbE的灵活的多速率方法对于满足我们的网络需求而言至关重要。”
- 美国杜兰大学首席技术官兼首席信息官Charlie McMahon
“这些产品把新功能引入了相对固步自封的网络市场。在这个市场,戴尔利用软件定义网络和开放式网络来挑战盛行的网络常规思维。多速功能让数据中心客户更有机会考虑这些产品,而其对园区的专注帮助戴尔沿着边缘进入全新领域,尽可能避免中断,这在网络这种保守市场是非常明智的举动。"
- Moor Insights & Strategy 高级分析师John Fruehe
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。