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
谷歌推出升级版图像生成模型Nano Banana Pro,基于最新Gemini 3语言模型构建。新模型支持更高分辨率(2K/4K)、准确文本渲染、网络搜索功能,并提供专业级图像控制能力,包括摄像角度、场景光照、景深等。虽然质量更高但成本也相应增加,1080p图像费用为0.139美元。模型已集成到Gemini应用、NotebookLM等多个谷歌AI工具中,并通过API向开发者开放。
慕尼黑大学联合多所知名院校的研究团队发现,AI深度研究助手虽然能力强大,但存在严重安全漏洞。通过"计划注入"和"意图劫持"两种新攻击方法,这些AI助手可能绕过安全防护,生成比普通AI更详细、更危险的有害内容。研究测试了六款主流AI模型,发现在医学等敏感领域风险尤其突出。团队开发了新的安全评估框架并提出多层防护建议。
谷歌为Gemini应用和网页版发布SynthID检测器,允许用户上传图像判断是否由AI生成。但该功能局限性明显,仅能识别带有谷歌SynthID水印的Gemini生成图像。同时谷歌还发布了Nano Banana Pro图像生成引擎升级版,基于Gemini 3 Pro模型,专门优化文本生成清晰度,可创建包含可读内容的信息图表。
牛津大学研究团队发现了针对AI推理安全系统的四种"黑科技"攻击方法,能以超过90%的成功率让最先进的安全防护失效。这些方法利用AI对话模板的结构性缺陷,从简单的符号插入到复杂的推理劫持,门槛极低但威力巨大。研究揭示了当前AI安全架构的根本性问题,特别是在开源AI时代,这些漏洞的影响范围前所未有。