英特尔持续向网络市场发力,众所周知,在传统网络市场,英特尔并不占有优势。不过,在面向云计算的发展进程中,X86无疑是市场的主力,这也带动了基于X86平台的网络市场的爆发式增长,尤其是SDN/NFV的逐渐落地,给了英特尔巨大的机会。
乘胜追击,英特尔扩展生态系统与产品组合,并于近日推出三款全新产品,提升网络智能与带宽,支持企业建立更灵活、响应更为迅捷的网络。
一是英特尔为至强处理器D-1500产品家族增添了8款新处理器,其内核数量从四核到八核不等,它们能够为各种网络设备带来更高的智能和可靠性,同时允许根据性能要求实现可扩展的设计。
二是英特尔以太网多主机控制器FM10000产品家族,凭借高达200Gbps的高带宽多主机连接能力和多个100Gb以太网端口,它能够带来出色的数据包处理能力。
三是全新英特尔以太网控制器X550产品家族作为一款经济高效的低功耗万兆以太网连接解决方案,可为数据中心内服务器和网络设备带来显著的性能提升。它还支持网络虚拟化覆盖加速功能,如针对隧道VXLAN和NVGRE量进行无状态卸载,以保持应用性能和降低CPU开销。
英特尔数据中心事业部副总裁,网络平台事业部总经理Sandra Rivera
谈到对网络的看法,在此前的媒体沟通会上,英特尔数据中心事业部副总裁,网络平台事业部总经理Sandra Rivera表示,“目前为止,网络设备是比较封闭的,最终用户对于未来网络的需求,是希望有一个比较灵活的设备以及可以为他们解决未来数据增长的问题。”
因云而改变的计算正在改变网络,Sandra Rivera指出,未来的基础设施由软件定义。她详述了英特尔是如何在新的IT形式下引领网络变革的:
“首先从技术的投入上,这十年以来,从包转化这一能力上有相当可观的设备性能提升。尤其英特尔在DPDK和OVS这两块的投入已经逐步看到成效,这是专门是针对包转化进行的。因为在整个网络改革过程中,包转化的性能是最重要的底层的核心技术。”
第二部分是产品线,Sandra Rivera指出,英特尔同时推出了为网络优化的系统级的芯片。分两个部分,一个是至强,一个是凌动,它们都提供了卓越的性能和更低的功耗。
第三部分是电信级云堆栈,英特尔通过内部跨部门的合作,能够逐步把云计算的技术引入到网络这一层来。
除了产品和技术投入外,往上英特尔还在推动业界合作和生态系统的壮大。Sandra Rivera说,这块工作同样分为三个部分。
第一部分是首先推动行业的发展和进步,主要围绕开源与标准组织,包括Openstack、DPDK、OVS等,英特尔对它们是持坚定的策略,在这些标准组织里为网络这一侧增加了很多的功能。
第二是构建开放生态系统的策略,大概两年前英特尔推动了“Intel Network Builders”这样一个合作伙伴的联盟。Sandra Rivera指出,目前为止,大概超过180家的合作伙伴,有7个最终用户,最新在今年加入的两家厂商,都是业界耳熟能详的领先伙伴,Cisco和Ericsson。“可以看到,业界主要的网络厂家以及最终用户,基本上都在这个产业里。因为大家意识到很重要的一点,SDN和NFV在整个网络改革是产业界里合作的核心的一个方向。”
最后是与最终用户的合作,Sandra Rivera表示,我们目前为止陆陆续续跟最终用户合作取得较好的成绩,包括中国移动、亚马逊、纳斯达克等等最终用户。并且有一些跟不同生态系统的合作,搭建了一些POC,已经达到商用试点的成效。
所以,看得出来,无论是对产品技术的投入还是网络产业生态的推动,英特尔围绕网络构建了一个整体策略,并取得了显著的成绩。对于未来,英特尔想成为SDN和NFV的首选平台,相信这条路并不远。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。