“数据中心”(DC)是云服务的基础依托,也将是新一代网络的基础依托。在云服务时代,“数据中心”的地位将类似电话服务时代的电话交换局,未来的云数据中心不仅是服务器、存储器等数据基础设施的集中存放地,也将是基础网络的中心。
传统数据中心更多是布局在用户集中和网络资源良好的大城市,而新的云数据中心的选址则更多考虑土地、能源、气候等因素,我国的西部、北部等欠发达地 区反而会成为未来的数据中心布局点,也就是说数据中心的布局选择将实现从“网络最优”到“能效最优”的转化,这将导致“用户中心”(信息的产生和使用者) 与“数据中心”(信息的存储和处理者)的解耦。
在传统时代,“数据”与“网络”跟随“用户”走,“用户”、“数据”、“网络”三者紧耦合,网络主要服务于用户间通信;而在云服务时代,用户中心与 数据中心分离,逐步形成“用户”与“数据”双中心格局,网络更多服务于“用户”与“数据”(应用)间的沟通以及“数据”本身的分发处理。
在云服务时代,基础网络服务需要考虑虚拟机(VM)之间的联网、DC内的联网(包括前端业务网络与后端存储网络)、多DC之间的联网(基地DC联 网,基地IDC与边缘IDC联网)以及用户与DC之间的联网。而且大部分的DC并不属于网络运营商,但网络服务也必须充分考虑这部分DC的布局及其所承载 的云服务要求。对于云服务,网络的灵活性、动态性、开放性和资源的快速提供尤为重要,网络建设理念需要实现由“云随网动”到“网随云动”的转型,从而更加 主动地为云服务发展提供所需的网络服务。
好文章,需要你的鼓励
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样,从实验数据中自主发现数学公式,通过工具驱动的数据分析和长期优化机制,在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。