戴尔宣布推出全新开放网络功能,以助力客户业务向数字化转型,从而降低IT成本、更快收回投资并交付新的数字化功能。
要想在当今时代保持竞争力,企业亟需进行数字化转型,该过程的第一步自然是通过IT 转型实现数据中心的现代化、生产力自动化并改变运营模式。灵活的网络架构是IT转型的关键,它能让企业迅速应对不断变化的业务及客户对“少中断,低成本”的需求。
戴尔网络、企业基础设施与服务事业部资深副总裁Tom Burns表示:“戴尔认为,网络在开放时可以达到最佳表现,可为各种规模的企业提供尽可能多的选择和功能。通过分解网络系统软件,让网络软件脱离硬件平台,企业可以将自己从严苛的专有环境中解放出来,拥抱软件定义并解锁任意规模的创新。”
戴尔近期委托ACG Research做的一份总体拥有成本(TCO)报告针对一家在其所在国家的服务基础设施中对网络功能虚拟化(NFV)模式进行大量分析和大规模测试的著名一级服务提供商进行了调研,该提供商选择开放、模块化和可扩展的设计作为基础,在其服务交付PODs(专为快速部署和复制而设计的一套特定规模的基础设施)中部署关键元素。结果显示:
新增的开放网络产品组合提高了性能,并降低了持续成本
作为开放网络的先驱,戴尔兑现了软件定义网络(SDN)的承诺,让网络运营变得更加灵活、可编程,并更易管理。一个敏捷、可编程的网络是IT运营转型和应对数据中心不断变化的应用和负载需求的基础。
图:戴尔S5148F-ON网络交换机
图:戴尔S4100-ON系列网络交换机
S5100-ON和S4100-ON是首个标配戴尔全新旗舰网络操作系统OS10企业版的产品。基于来自Linux基金会和开放计算项目的开源技术,OS10企业版是专为传统网络和DevOps环境而设计的下一代模块化、可编程的网络操作系统。
OS10企业版套件提供第二层和第三层网络功能,同时也让客户能够针对不同的环境轻松定制软件。客户可以融合更多开源功能或添加第三方Linux应用,也可以利用标准Linux 与DevOps工具开发自己的软件。
图:戴尔N1100-ON系列网络交换机
全新N1100交换机支持物联网计划和劳动力转型,可驱动一个无线优先的工作环境,在这里,终端用户和接入点无论在哪个位置都能相连。N1100交换机与近期推出的专为大型园区环境而设计的N3100-ON和N2100-ON 交换机形成互补,非常适合中小型企业环境。N3100-ON和N2100-ON交换机是专为新兴2.5GbE/5GbE高速园区网络而优化的GB级开放网络交换机,能够支持企业中下一代无线LAN基础设施。
戴尔服务启动全新网络解决方案
与技术和业界专家进行战略合作有助于加快IT和劳动力转型。借助可信合作伙伴的最佳实践、工具和服务,IT部门能够更高效地执行最初的转型任务,同时聚焦于在企业中发挥最大作用的资源和人才。
NFV咨询服务包含:
物联网技术咨询服务是一项全新服务,旨在帮助企业确定充分利用物联网数据(例如:传感器、信标、手机、可穿戴设备、互连设备)所需的关键功能和架构。这些信息可用于各种计划,如优化关键操作流程、降低合规与安全风险、发现新的收入机会,以及开展更有吸引力的客户活动。
中国供货信息:
好文章,需要你的鼓励
据《华尔街日报》报道,在马斯克针对OpenAI的诉讼失败后,OpenAI正加速推进IPO计划。CEO萨姆·奥特曼希望公司最快于今年9月上市,目前已与高盛、摩根士丹利合作,并可能在数日或数周内秘密提交上市申请。与此同时,马斯克旗下SpaceX的IPO文件也预计近期公开。两家公司的上市竞争,标志着马斯克与奥特曼的博弈从法庭转移至资本市场。
要理解这项研究,先得明白现在的AI是怎么"画"图的。 可以把AI生成图片的过程想象成一个特殊的厨房。当AI要学会画图时,它不会像人类画家那样一笔一画地描绘,而是采用一种叫做"自回归"的方式——简单说就是"一个食材接一个食材地添加"。但问题在于,AI厨房处理的"食材"不是真实的图像像素,而是一种被压缩过的"标准化食材包"。 这个压缩过程,叫做"离散分词",由一个叫"分词器"(tokenizer)的设备完成。打个比方,分词器就像一台高级的食材切片机,它把一整张图片切成很多小块,然后给每一小块贴上一个"编号标签",对应到一本"标签字典"(也就是研究者口中的"码本")里的某个条目。比如,标签001可能代表"蓝天的一小块",标签002代表"绿草的一小块"。 这种做法的好处是大幅简化了AI的工作量——它不用记住几百万个像素,只需要记住一串编号就行了。这就是为什么如今像Chameleon、Emu3这些大名鼎鼎的多模态AI模型都用这种技术。 但问题也恰恰出在这里。当切片机以16倍的压缩率工作时(也就是说原本256个像素被压缩成1个标签),很多细节就被无情地丢弃了。蓝天少一些云彩、草地少几根草尖,人眼几乎看不出来。可一旦切到了文字或人脸,灾难就发生了——一个英文字母"e"和"c"的差别可能就在那么几个像素,一张脸上眉眼的位置稍微挪一挪,整个人就变了样。 研究团队发现,认知科学研究早就指出,人类的视线会不自觉地被文字和人脸吸引,对这两类内容的细节扭曲特别敏感。换句话说,AI画其他东西糊一点没关系,但文字和脸糊了,用户立马就能察觉。 之前的研究者也意识到了这个问题,他们的解决思路通常是"加大切片机的容量"——比如把标签字典从1万6千条扩展到26万条,或者让每张图用更多的标签。但这就像为了切好一根胡萝卜而把整个厨房改造成大型工厂,成本高得离谱,而且效果也不见得好。 清华和微软的团队提出了一个完全不同的思路:与其让切片机变得更大,不如教它学会"看重点"。 二、给切片机装上"火眼金睛"
调查显示,51%的专业人士认为AI生成的低质量内容(即"workslop")正在降低生产效率,45%的人因此对职场使用AI更加谨慎。这类内容表面精致却缺乏准确性和实质价值。专家建议两步应对:一是重塑AI生产力思维,推行"AI先行、人工复核"的工作模式;二是保持持续投入,深入掌握AI工具的有效用法。企业领导者强调,真正从AI中受益需要坚持与学习,而非浅尝辄止。
北京中关村学院与中关村人工智能研究院发布PhysBrain 1.0,通过从人类第一视角视频中提取结构化物理知识,训练出能"先理解再行动"的机器人控制系统,在多项机器人操控基准上刷新纪录。