思科在2017年的整合行动中曾收购Viptela,准备进行SD-WAN升级,涉及的路由器达一百万台。
大家可能还记得,Viptela是由前思科高管创办的,于2017年5月以6.5亿美元(有点低于Viptela的顶峰估值9亿美元))被交换巨头思科收购。
思科现在将Viptela的SD-WAN技术用于简化分支机构管理,将vManage软件混合到DNA中心,并作为驱动ISR/ASR路由器IOS XE软件的一部分路送至路由器。
“百万路由器”这个数字就是这样来的----这两个系列中不到四年左右的任何设备都可以处理IOS XE升级。
思科企业网络业务资深副总裁Anand Oswal在博文(https://blogs.cisco.com/enterprise/revolutionizing-wans- with-cisco-ios-xe-software-defined-architecture)提到, IOS XE升级为客户提供了一条路径,可以在“安装基础群”为自己的分布式办公室提供SD-WAN结构。
Oswal表示,从管理员的角度来看,无论连接是MPLS、以太网、公共互联网、DSL、LTE还是租用线路,连接都是统一的。
他还补充表示,而且还可以令应用程序在SaaS、云和本地数据中心之间更加一致,附近有SD-WAN要保护应用程序和设备就要容易得多,SD-WAN可以处理配置和管理任务。Oswal表示,例如,将WAN置于软件控制之下意味着分支用户的网络包可以直接从用户发送到SaaS应用程序,不用走总部的网络。
Viptela整合也将路由器管理分流到云里,可以更好地远程监控分支机构里不是必须上门服务的东西。
即便是需要上门服务(例如将新路由器连接到网络),作为云应用程序运行的vManage也可以处理设备配置,包括策略、设备安全性、应用程序QoS和网络分段等等。
能想起比较久以前事情的网络管理员会很高兴听到这一条,因为思科以前在使用密码无保护智能安装方面遇到过麻烦,曾导致遭攻击而被诟病。(思科曾发布过一个工具可以对其进行阻止https://www.theregister.co.UK/2017/02/28/cisco_releases_tools_to_find_block_old_smart_install_config_software/ 。)
Oswal的帖子没有提到许可证如何升级,但思科Connect二月的演示文稿(https://www.slideshare.net/CiscoCanada/understanding-ciscos-next-generation-sdwan-solution-with-viptela) Connect表示硬件价格不会变。而是会将SD-WAN功能作为CPE成本附加在三个许可等级上提供,即“加”,“专业”和“企业”下的三个许可等级。
准备试一试SD-WAN功能及拥有合适的路由器的读者可以下载安装文档(https://sdwan-docs.cisco.com/Product_Documentation/Getting_Started/Hardware_and_Software_Installation/Software_Installation_and_Upgrade_for_IOS_XE_Routers)。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。