ZD至顶网网络频道 11月08日 综合消息: 博科今天宣布富士通咨询(印度)已成功部署一个端到端软件定义网络(SDN)基础设施,以支持其在印度普纳和班加罗尔新开设的2000坐席全球交付中心(GDC)的运营。这个敏捷而可编程的网络让这家IT咨询与集成服务提供商能够运行高度动态、24x7全天候运转的GDC环境,满足富士通咨询国际客户群最严格的要求。
博科解决方案卓越的可扩展性、稳健性、对生态环境破坏小、可管理性、较低的总体拥有成本以及对开放标准的支持是富士通咨询(印度)选择它的关键所在。特别是该公司认为,博科经过严苛验证的开放标准对于全面实现SDN的好处至关重要,这为博科成功地赢得竞标打开了大门。
富士通咨询IT部门负责人兼首席信息安全官(CIO)Mohammed Shahed Khan先生表示:“成功的外包开发不只是需要出色的设计和编程人员,还需要能够让开发团队24x7高效工作,以及灵活模拟客户环境的高性能IT基础设施,其性质越来越接近混合云。在为我们班加罗尔的新GDC以及普纳升级的GDC制定规范的过程中,我们意识到必须超越传统网络,提供面向未来的功能。博科拿出了一个非常吸引人的解决方案,并且支持基于开放标准的SDN,我们部署后的运营体验一直都很出色。”
博科 ICX® 7750交换机组成了富士通新GDC中的园区网络核心,每个交换机提供96个线速10GbE端口,并能够最多把12个交换机集成到一个高性能堆栈中。这个堆栈可作为一个设备来管理,最多可交付5.76 Tbps的集成叠加带宽。这种高水平的性能、可扩展性和端口密度让富士通能够为每个博科ICX 7250 可堆叠交换机分配8个10 GbE链路,从而提供线速1 GbE网络接入,并通过以太网供电来支持IP电话、Wi-Fi接入点以及其它设备。通过向博科ICX 7750堆栈添加交换机,富士通将能够在未来一年轻松在GDC扩容1000个坐席。
除了园区网络基础设施,富士通还在GDC数据中心部署博科VDX® 6740交换机。这些交换机组成了一个高性能、低延迟的10 GbE架构,不仅能够自我形成,还能自我修复,并为虚拟数据中心运营提供理想的性能特征。富士通GDC中的所有交换机都全面支持OpenFlow SDN协议,从而让IT人员能够在运行中以编程方式重新配置物理和虚拟网络,以满足同步客户开发项目不同的IT要求。
博科(印度)高级地区总监Edgar Dias表示:“与富士通咨询(印度)合作,帮助他们实现SDN的全面优势,这对博科在印度的离岸服务提供商市场来说是一个非凡的体验。它也反映了一个事实,在当今数字商务领域,传统网络架构和技术不再能够满足开发者和业务运营的需求。富士通咨询的新GDC代表了未来的发展方向,帮助他们踏上新一代IP征程。”
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。