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
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。