ZD至顶网网络频道 01月25日 国际消息: 作为全球速度最快的每秒6.5 Tb以太网交换机芯片TofinoTM的缔造者,Barefoot Networks公司出席了于本月24日召开的开放计算项目(简称OCP)Disaggregate: Networking大会。Barefoot Networks公司联合创始人兼首席科学家Nick McKeown在会上探讨了为何有必要实现转发平台的可编程能力、相关新规范以及将在网络领域实现的新型用例。另外,Barefoot Networks公司还展示了其Wedge 100B系列交换机——包括传输速率达每秒3.2 Tb的1RU 32 x 100GE交换机Wedge 100BF-32X与传输速率达每秒6.5 Tb的2RU 65 x 100GE交换机Wedge 100BF-65X。这些交换机产品将内置有Barefoot Networks公司的Tofino技术,其不仅能够为OCP生态系统用户带来更出色的以太网交换机性能表现,同时亦将提供一条更具可编程性的使用管道。
这些Wedge 100B系列交换机支持FBOSS、SONiC以及多种其它交换机操作系统,且可通过OCP的交换机抽象层(简称SAI)API、switchAPI(属于一款扩展性开放API)或者由用户设计之API进行控制。默认运行于Tofino之上的“switch.p4”程序能够将Wedge 100B系列交换机转化为一台架顶式交换机,且提供全部与数据中心规范要求相符的标准功能。用户可以根据选择向其中添加或者移除部分功能、添加新协议、变更表大小、提供更出色的可访问性并折叠包括四层负载均衡在内的各类中间代理功能。Wedge 100B平台还引入了多项增强要素,其中包括提供经过优化的电源供应单元、更低成本的PCB设计、经过改进的制造设计以及更强大的CPU模块等等。这些交换机产品运行一款经过更新的OpenBMC版本。
OCP的Disaggregate: Networking大会由Facebook公司主办,选址于加利福尼亚州门洛帕克。此项会议主要面向对于开放及拆分网络解决方案抱有兴趣的工程师群体,旨在挖掘以拆分化方式更为高效、灵活且可扩展地创建硬件与软件这一重要机遇。
“开放计算网络项目对于Barefoot Networks与整个技术社区共享其两套Wedge 100B硬件设计方案的作法感到振奋,”OCP网络项目联度负责人Omar Baldonado表示。“我们期待着这些Wedge 100B设计方案能够带来更多创新性成果,也期待着其可编程交换机芯片能够为行业带来更多灵活性助力。”
“Barefoot Networks很高兴能够将其基于Tofino技术的Wedge 100B交换机设计方案与整个开放计算项目社区进行共享,”Barefoot Networks公司联合创始人兼CEO Martin Izzard指出。“利用Wedge 100B平台,OCP生态系统、网络拥有者以及架构师们能够以前所未有的方式充分把握全面分解的网络堆栈、深入转发层并借此构建起更适合自身需求的网络体系。”
作为公布于2016年6月的方案,Barefoot Networks公司的Tofino以太网交换机ASIC与Capilano软件开发环境(简称SDE)通过开放转发层消除了实现全面网络可编程能力的最后一项障碍,允许使用者对网络之上的可靠数据包传输进行细粒度控制。其首款Tofino芯片于2016年第四季度交付至客户手中,而该公司亦不断吸引到更多行业领导者加入其网络合作伙伴阵营。
上市时间
Barefoot公司的Tofino芯片已经于2016年第四季度开始发布样品。Wedge 100BF-32X与Wedge 100BF-65X系统目前已经允许用户通过Edgecore Networks进行订购。
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。