Riverbed科技公司日前宣布,世界上最大且最多元化的环境网络----世界自然保护联盟(IUCN)正在使用Riverbed解决方案为世界上一些最具挑战性的地区提供高效的网络和业务运营。自然保护联盟报告称,在部署解决方案后的这一年间,Riverbed应用性能平台的关键组件SteelCentral,SteelFusion和SteelHead,已经帮助世界自然保护联盟利用相同带宽发送了超过以往4.5倍的数据量,并将应用性能提高了80%。
IUCN是监测自然环境并采取必要保护措施的权威机构。其最引人注目的项目包括波恩挑战赛,全球森林再造工作。IUCN的濒危物种红皮书和未来红树林项目,旨在提高亚洲沿海群落抵御海啸和其他灾害的能力。IUCN在全球不同地区开展业务,期望实现集中运营,并将整个机构的数字化作为一项长期目标。
“IUCN在世界上的50多个国家设有办公室,保证各办公室间进行快速可靠的联系至关重要,而我们此前却依赖各地办公室自行连接互联网。新的基础设施将极大改善IUCN不同团队(包括那些位于最偏远地区的团队)网络连接方式,能够访问我们的全球应用并实现相互协作。”IUCN首席信息官Francois Jolles说道。
IUCN希望Riverbed能够帮助应对网络挑战。一切都始于使用Riverbed SteelCentral的端到端可视化功能来监测、分析和解决IUCN的全球网络问题。Riverbed SteelFusion则解决了IUCN的远程办公IT基础设施问题,将来自15个最大办公室的边缘数据100%地集中到企业的数据中心中,确保即时应用开通和数据恢复。IUCN还使用Riverbed SteelHead实现广域网优化以提高本地应用性能。
“我们已经证实了全球化和数字化战略正在发挥作用。其改进效果明显,如:应用响应时间提高80%,相同带宽条件下,数据传输速度提升了4.5倍,数据中心复制数据的时间从24小时缩短至一小时以内。我们已经不在本地备份数据,现在所有数据都是集中存储的,我们拥有的网络基础设施可用来支持创建新的应用。”Jolles说。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。