随着现代企业网络进入公有云计算时代,企业网络管理员正转向与公有云服务提供商合作以确保网络可继续支持业务需求,这意味着某些IT基础面正在发生变化……
首先,云网络架构需要更加灵活:静态网络明显限制了云计算的使用。其次,网络服务需要从单个物理位置解耦,因为数据传输、计算和用户界面已经无处不在。最后,很多网络资源需要被抽象化,让配置可以实现自动化和协调性。
新的云计算网络架构
现实情况是,很多企业还没有准备好利用公有云或混合云。多年来,企业IT部门没有收到所需要的资金来升级基础设施以支持必要的速度和管理。
此外,传统网络的静态性质阻碍着网络管理员将其网络转移到云计算。
为云计算做好准备的网络要求包括以下:
· 企业应该能够以不同方式保护特定网络段以满足流经网络的数据的要求。在很多情况下,这需要基于网络的加密,同时,网络需要进行配置,以满足各种性能和安全要求。
· 企业应该能够为通过网络的特定应用和数据提供网络优先级。如果公有云包含关键业务数据,这些系统应该优先访问网络资源,包括容错和灵活的子系统。
· 企业应该具有应用感知网络。私有云、公有云和传统系统在以不同的方式使用着网络,这取决于应用、数据和用户界面,它们如何相互交互以及如何与云服务器交互。对于云计算而言,如果网络可针对这些使用模式进行调整,这种网络肯定更有效。
配置网络资源
当使用云计算资源时,如果网络可从物理资源解耦,网络则更有效。这也支持普适计算的概念,这是云计算的原则之一。实际上,机器或者访问它们的用户无法看到服务实例的位置,这意味着物理位置并不重要。
普适计算及支持它的网络专注于消除计算的复杂性和提高效率。其结果是,访问服务实例可以访问任何数量不同物理位置(如果允许的话),来搜索可用资源。
例如,应用可以有100多个计算服务器实例,运行在12个不同的数据中心,连接到在两个不同数据中心运行的四个数据服务器。所有这些服务器都是使用云服务提供商提供的网络基础设施连接,或者它们需要以相同的方式架构企业基础设施。企业必须能够配置网络服务来提供所需的灵活性以支持无处不在的云计算。
资源抽象化
最重要的变化是能够通过抽象层来管理网络,这意味着物理资源不需要像在过去那样进行管理。网络专业人员可以使用管理和自动化工具来捆绑代表资源逻辑分组的对象,而不是广泛分布的物理设备。这里的想法是隐藏云计算给网络管理员带来的复杂性。网络管理员不需要管理分布在企业基础设施数千台服务器,而是作为单个逻辑代表来管理应用、数据等。通过使用这种方法,企业可更好地管理资源,无论在内部部署、在云端还是两者兼而有之。
网络管理员会发现云计算带来了额外的挑战。但通过规划和更多的预算,在网络中增加云资源应是有效的升级,可以帮助企业显著降低成本和提高灵活性。如果你的企业还没有制定云计算计划,那么,现在是时候了。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。