2017年10月12日,北京 —作为阿里云十月在杭州云栖大会的合作伙伴,思科与阿里巴巴集团(以下简称阿里巴巴)展开深入合作,凭借其新一代数据中心交换网络的创新科技,助力阿里巴巴成功打造性能卓越、业界领先的新一代数据中心,有效推动网络可视化和智能化发展。这一不断更新迭代的数据中心将成为中国互联网行业平台的典范,并且持续释放云计算与大数据的无限潜能,赋能互联网经济的极速发展。
云和产业数字化是打造科技和生态相结合的智能社会的基础。阿里巴巴集团旗下的阿里云作为全球领先的云计算及人工智能科技公司之一,为200多个国家和地区的企业、开发者和政府机构提供服务。阿里云致力于以在线公共服务的方式,提供安全、可靠的计算和数据处理能力,让计算和人工智能成为普惠科技。
安全的网络云架构是互联网经济生成和成长的摇篮,互联网时代数据的计算、存储、应用正在改变商业的发展模式和人们的日常生活。计算正逐步渗透到各行各业,与数据一起为各个产业提供巨大的引擎动力。随着众多客户、以及各种规模和要求的业务迁移到阿里巴巴的云平台上,作为云平台支撑的数据中心网络成为了万众瞩目的关注点,数据中心的网络运维能力则成为云平台竞争力的一个重要组成部分。在安全的云网络架构上,如何实现阿里巴巴所有商业活动中计算的经济价值,已经成为企业发展的首要任务和构建不断扩大的商务生态系统的关键。
思科作为全球科技领导者,凭借对未来数据中心发展趋势的领先洞察以及优质可靠的科技创新产品,为阿里巴巴深度定制了数据中心架构。经过全面考虑,阿里巴巴选择思科作为其数据中心架构的主要供应商之一,双方携手开启了合作之旅。
思科通过架构灵活性,助力阿里巴巴数据中心提高敏捷性并简化运营。思科为阿里巴巴25G数据中心架构部署了Nexus 9000系列交换机,以多种规格提供历经验证的高性能、高密度、低延迟和出色的能效。Nexus 9000系列交换机采用突破性的Cloud Scale ASIC技术,在思科NX-OS软件或以应用为中心的基础设施模式下运行,符合传统或全自动数据中心网络的部署需求。目前,阿里巴巴25G数据中心已经完成了规模部署,思科长期研发投入带来的价值显而易见。
在现有数据中心架构基础之上,在国内外顶尖技术研发人员的支持下,阿里巴巴数据中心目前已经快速迭代到25G/100G第二代的架构。作为阿里巴巴新一代数据中心交换网络的技术合作伙伴,思科在技术上采用16nm FF+工艺的第二代CloudScale芯片,紧密配合阿里巴巴技术迭代,3.6T和6.4T单芯片数据中心定制交换机在提高性能的同时,能够逐步降低能耗,实现性价比的线性提高。此外,随着业务的多元、热点的不同、以及底层支撑系统的演进,流经阿里巴巴新一代数据中心的海量数据给相对静态的物理网络带来了新的挑战。在思科的技术支持下,阿里巴巴的网络规划运维部门结合大数据和人工智能的技术,对网络流量、网络性能指数的数据进行实时采集和分析,通过算法来发现、处理和优化网络,真正赋予了前沿技术崭新的内涵和外延。
思科全球副总裁,大中华区首席技术官曹图强表示:“在全数字化转型浪潮中,思科始终把握着技术更新迭代的脉搏,帮助企业通过科技创新获取发展源动力。此次,思科非常高兴能够与阿里巴巴集团携手,共同进行中国互联网行业数据中心的创新尝试。未来,双方将继续在数据中心互联、流量可视化、网络感知等方面通力合作,不断为全球互联网经济发展赋能。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。