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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。