软件定义网络(SDN)被视作互联网的秘密武器。尽管SDN面临发展疲软,技术出现问题等状况,不过到目前为止,企业仍对其兴趣满满。
这可能是由于SDN带来的节省成本、提高安全性并实现真正的敏捷的优势。不过话又说回来,这种高复杂性以及惊人的许可成本的SDN真的是企业想要的吗?
虽然部署SDN和SDDC带来的好处足够诱人,但也带来了新的挑战。在真正迈入SDN之前,仍有企业需要解决的一些关键点。
你的企业IT团队关注KTLO,保持灯一直亮的时间是多久?如果IT团队无法解决新的要求,那么自然也没有时间来处理SDN带来的新问题。
也许你会问“SDN不是会让我们更具效率吗?”也许如此,不过需要花费你一些时间。除非你构建一个新的数据中心,否则不要以为这是个快活儿。即使在虚拟化做的非常好的企业里,也总会有历史遗留问题。
战胜旧的虚拟化环境
这引出了另一个关键点:“遗留”问题。如果还有上个世纪的组装机用的胶带,那你就麻烦了。为此你不得不让两个环境平行存在,等待更换主机的时间。现实是,大多数组织需要将两个生态系统融合,并完善长期的架构策略。
当前的虚拟化环境运行状况如何?如果它过时了,那么你仍将面临同样多的问题,甚或比合并物理基础设施问题更多。此外,如果你尚未对使用虚拟化提供自动化和自助服务功能做好准备,那部署SDN很可能不太明智。如果你的企业想要部署SDN,那么最好还是先从升级现有基础架构,以支持网络功能虚拟化和测试自动化功能开始。
你的企业是否具备专职人员来管理和解决SDN基础架构的问题?你需要一些多面手:了解虚拟化的网络人员以及熟悉网络的系统工程师。如果企业中这两个团队不合作,那么SDN部署的成功概率也是非常小的。
评估SDN带来的冲击性
其次,除非企业理解并致力于DevOps的持续集成和部署,否则融合hyper是行不通的。要不,你将如何实现基础设施代码?
推动SDN部署和融合hyper的主要动力在于企业需要一个反映敏捷和灵活的IT。尽管它的确是网络的未来,但并非所有的企业都为此做好了准备。太突然的转变会让企业陷入基本的管理高效基础设施的囹圄。你在背负技术债务吗?你的企业政策、标准和程序是否正常运作?你的员工是否也跟得上技术的脚步了?对于部署SDN或SDDC,首先要做的还是一步步设计,对当前环境进行分析,从而制定一个能够逐渐解决问题的路线图。
最重要的是,拒绝诱惑,拒绝厂商炒作,认真考虑什么对你的企业来说才是最好的。
好文章,需要你的鼓励
萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说:"软件只有一个品类--信息管理。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。