云计算、加密应用以及网络敏感或带宽敏感应用如网络电话(VoIP)和视频的使用在日益增加,IT组织机构的现有基础设施难以在预算内适应这些需求。
在当今软件定义的分布式企业IT环境中,软件定义网络(SDN)与软件定义广域网(SD-WAN)技术借助自动化、策略驱动控制、内置分析功能、网络服务配置与编排,交付高性价比的最佳用户体验。因此,未来网络将是一番新天地。尽管可以使用现有技术手动配置传统分支机构路由器,打造混合广域网(WAN),然而这种方式进行的配置非常复杂,无法实现最终部署。今天的组织机构需要WAN路由器配置来适应应用和以业务为核心的方式。因此,SD-WAN是全新的WAN架构,可以更灵活更轻松地为混合网络交付混合应用的最佳性能。
鉴于企业网络不断变化的形势,Riverbed日前进行了一次调查,在中等及以上规模的企业中,了解企业目前对新兴技术的采用计划。结果非常令人振奋,SDN-WAN的日益兴起,正在成为远程分支机构的下一代网络创新,数据中心对采用SDN显示出了极高的热情。
77%的受访者表示其组织机构都或多或少地在其数据中心中运用了软件定义网络(SDN)方案。
采用软件定义网络的三大驱动因素按重要性依次为:
(1)更快地部署全新应用与服务(71%的受访者表示这点非常重要)
(2)降低成本(69%的受访者所追求的)
(3)减少部署应用和服务时的错误(68%的受访者表示)
29%的人正在讨论为其远程分支机构采用类似于SD-WAN的架构。
SDN和SD-WAN的采用目前仍处于初期阶段,但我预测在未来的三到五年间,众多组织机构将会采用SD-WAN方案作为一种现代化方式来代替传统的分支机构网络解决方案。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。