ZD至顶网网络频道 11月16日 综合消息: 斯坦福大学研究团队以OpenFlow和VMware的NSX而闻名业界。该团队日前宣布成立初创公司Forward Networks,于周一正式挂牌开张,主打网络建模技术。
Forward Networks公司的工具软件令用户可以获取自己网络的状态,然后建立相应的软件仿真。首席执行官和联合创始人David Erickson表示,"有点像tracroute程序,但无需发送数据包,而且对路径上每个设备的2到4层的细节都进行了仿真。"他认为,能这样做会十分方便,原因是今时今日要预测所有可能的数据包流是很难的。而Forward公司的目标正是要这样做,然后对流量进行分析以确定其是否符合网络策略,如此,在数据包遇到困难时用户就可以采取纠正措施。
另外,仿真还可以利用影响网络变化的因素建模,在网络配置改变或添加新设备时可以更好地预测各种难以预见的情况。用户也可以利用仿真看看购买更多套件时会出现什么情况,比如在持续改进网络时会不会为网络引入一点点DevOps-y。
Forward瞄着业界的大企业:计划是将电信商、金融服务机构和IT服务提供商发展为客户,例如澳大利亚头号电信商就用了Forward的工具包,"以提高关键客户网络的运营效率"。
Erickson告诉记者,"要做到这一点就必须在计算机科学里的一些算法上有突破。"
据了解,Forward的算法历经多年的研究,这些研究起源于McKeown小组。McKeown团队曾主攻新一代网络的各种课题。Erickson曾是McKeown小组成员并得到NSX 之父Martin Casado的指导。Casado现就职于风险资本机构Andreessen Horowitz。Forward得到Andreessen Horowitz的资助。
好文章,需要你的鼓励
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
上海交通大学团队提出EPIC框架,通过渐进一致性蒸馏技术解决多模态AI的计算效率问题。该方法采用师生教学和分层压缩策略,让AI模型逐步适应视觉令牌压缩,在保留128个视觉令牌时仍达到完整模型准确率,同时计算量减少83.9%,为资源受限环境下的AI部署提供了实用解决方案。
谷歌DeepMind开发的多智能体AI系统通过让多个AI代理相互协作、讨论和辩论来解决复杂问题。该系统在医疗领域表现出色,能够在两天内完成人类十年的研究成果,包括发现新的药物重新定位候选物和治疗方案。AI临床医生"Amy"不仅能生成更好的诊断方案,还表现出比人类医生更强的同理心。这项技术有望在十年内实现零边际成本的全球医疗服务普及。
香港大学团队发明了一种"乐高式"机器人AI组合技术,能够将多个不同的AI模型巧妙组合,产生超越任何单个模型的性能。该技术通过数学方法证明了模型组合的有效性,并在真实机器人上验证成功。这种方法不需要重新训练,成本低廉,可兼容各种不同类型的AI模型,为构建更智能可靠的机器人系统提供了全新思路。