近来,敏捷逐渐成为CXO们关注的热词,他们希望业务系统的上线、配置、运行都能够敏捷和高效起来,这背后当然离不开IT和数据中心的敏捷性。近日,博科对外描绘了其敏捷下一代数据中心图景,从基础设施、自动化到编排,博科提供了完善的敏捷数据中心产品组合。
博科中国区技术经理谷增云在近日召开的博科敏捷数据中心圆桌会上表示,过去IT是一个负担,而且投入很大。所以数字化时代IT需要敏捷性,主要包括两方面,自动化与可视化。几年前讲到IT大多是硬件,各种盒子、端口密度等,现在需要IT驱动业务,也就是需要更有活力的软硬件结合,去推动业务的开展、部署、诊断、排错及故障修复。
博科对于今年发布的Brocade Workflow Composer(BWC)自动化套件引以为傲,这也是在其敏捷数据中心产品组合中的重要一环。BWC可自动化整个网络生命周期,从初始配置和验证到故障诊断和自动修复。它通过交钥匙、可定制或自助网络工作流程自动化(多厂商网络环境中都予以支持),而使IT部门具有敏捷性和各种选择。基于StackStorm开源项目的Workflow Composer还实现了服务交付链内多个IT域——例如网络、计算、存储和应用——的工作流自动化,连接数据中心内的组织孤岛。
可视性同样是博科敏捷数据中心产品组合的重要一部分,谷增云表示,“对于IT管理员来说,他要知道网络里面跑了什么东西,把这个数据提取出来之后,再根据上层的自动化分析,之后再对应不同的网络策略。”
Brocade SLX Insight Architecture提供了新的网络监测与故障排除方法,更快速、更轻松、更经济地获得网络运营和自动化所需的全面实时可视性。通过在每个交换路由上嵌入网络可视性,企业可以在整个网络上实现普遍可视性,从而快速地发现问题、缩短平均修复时间并提高整体服务水平。以博科 SLX 9850路由器来说,其嵌入Brocade SLX Insight Architecture,SLX 9850提供了一个独立的控制模块,其上的虚机(KVM)可以安装任何第三方分析工具,从而可以实时地对数据进行抓包,并方便地进行网络监测与故障排除。
既然是敏捷数据中心,当然还离不开硬件,对此,谷增云认为在硬件层面敏捷性的要求是灵活的ASIC、可视性与可编程性、网络虚拟化以及协议等。在今年九月博科推出SLX 9850 路由解决方案后,现在博科又开发了全新SLX 9140、SLX 9240和SLX 9540数据中心交换机。这些路由器和交换机均嵌入了网络的可视性,Brocade SLX 9140和9240通过一个可编程ASIC扩大了这些功能,这个可编程ASIC提供从实体网线到虚拟网络和负载的可视性服务。
Brocade SLX 9140 Leaf交换机在一个1U固定结构中提供48个本地25 GbE面向服务器的端口和6个100 GbE端口。博科SLX 9240 Spine交换机在1个1U固定结构中提供高密度32个100 GbE端口。博科SLX 9540交换机在一个高成本效益、专为数据中心互联、WAN边缘和互联网交换点部署而优化,在1 RU固定结构中提供运营商级的功能特性。它提供48个10 GbE端口和6个100 GbE端口。
无论是受DevOps启发的自动化、嵌入式网络可视性还是自适应平台灵活性,博科通过下一代数据中心产品组合不断提高IT的敏捷性。
好文章,需要你的鼓励
OpenAI、Anthropic和Google的AI代码助手现在能够在人工监督下连续工作数小时,编写完整应用、运行测试并修复错误。但这些工具并非万能,可能会让软件项目变得复杂。AI代码助手的核心是大语言模型,通过多个LLM协作完成任务。由于存在上下文限制和"注意力预算"问题,系统采用上下文压缩和多代理架构来应对。使用时需要良好的软件开发实践,避免"氛围编程",确保代码质量和安全性。研究显示经验丰富的开发者使用AI工具可能反而效率降低。
这项研究由北京交通大学研究团队完成,系统阐述了人工智能智能体从"流水线"范式向"模型原生"范式的转变。研究表明,通过强化学习,AI可以自主学会规划、使用工具和管理记忆等核心能力,而不再依赖外部脚本。论文详细分析了这一范式转变如何重塑深度研究助手和GUI智能体等实际应用,并探讨了未来多智能体协作和自我反思等新兴能力的发展方向。
英伟达与AI芯片竞争对手Groq达成非独家授权协议,将聘请Groq创始人乔纳森·罗斯、总裁桑尼·马德拉等员工。据CNBC报道,英伟达以200亿美元收购Groq资产,但英伟达澄清这并非公司收购。Groq开发的LPU语言处理单元声称运行大语言模型速度快10倍,能耗仅为十分之一。该公司今年9月融资7.5亿美元,估值69亿美元,为超200万开发者的AI应用提供支持。
Prime Intellect团队发布开源AI训练全栈INTELLECT-3,这个106亿参数模型在数学、编程等测试中超越多个大型前沿模型。团队完全开源了包括prime-rl训练框架、环境库、代码执行系统在内的完整基础设施,为AI研究社区提供了高质量的训练工具,推动AI技术民主化发展。