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
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。