至顶网网络频道 11月14日 编译:思科称“在将基于意图的网络引入每个领域”,并称最新分支机构需要软件定义广域网功能和安全性。
上述言论来自产品管理高级经理Sachin Gupta,他告诉记者,云已经摧毁了传统的“网络边缘”概念,而软件定义广域网(SD-WAN)则可以令多云世界里的数据包迁移更容易,而要保护这些环境会涉及到大量的工作。
Gupta告诉记者,“云的'边缘非常地不固定',可能在你的总部、分部、数据中心或云中。”而企业在任何地方都需要相同的安全性,而且又不能破坏云服务的舒适性。
思科宣布发布的三方面的产品包括:一些新设备;Cisco Umbrella获得SD-WAN支持;Office 365的SD-WAN支持。三者都符合思科基于意图的网络战略。
新设备是ISR 1111X-8P和ISR 4461,两者都针对具有整合SD-WAN支持的分支部署,即时有售。其中的ISR 1111X-8P是一款支持Wi-Fi和LTE的紧凑型设备,而ISR 4661则面向最大的分支机构及整合了存储和计算功能。
安全性方面包括整合防火墙、入侵防御和网址过滤,Cisco Umbrella则简化了这些产品的部署。Gupta解释说,那些试图从不同的设备和接口实现SD-WAN和安全性的人要自己完成“大量的动作”,这些动作“成本高、容易出错”。
思科推出的SD-WAN功能遵循基于意图的网络目标,目标是将几个星期的工作压缩到几个小时,而且是通过单个vManage界面实现一切。
同样的vManage界面还可以使得系统管理员通过一个操作将所有分支站点置于Cisco Umbrella之下。Gupta提到,系统管理可以在本地或在云中进行。
Gupta表示,推出的安全功能不需要单独的许可证,是嵌入到现有的三个SD-WAN许可证层里的。
思科宣布的产品自然少不了开放API和DevNet,否则就不是思科2018年发布的产品了。推出的API可访问所有思科SD-WAN功能,因此第三方可以令自己的应用程序与SD-WAN通信,而DevNet则拥有新的SD-WAN学习实验室和沙箱。
为什么要整合Office 365
思科在推出设备、安全性和多云管理的同时,推出的Office 365优化产品看起来有点格格不入,但Gupta表示,大多数人在公司里的时间基本建立在微软套件上,而在云环境里低性能会严重影响生产力。
终端用户可能要从总部通过分支网关、企业数据中心、第三方主机托管中心或4G访问Office 365。他表示,“客户有多种方法连接到云里。”
为了解决这个问题,SD-WAN提供了对“微软Office 365云的所有可用路径”的实时监控,并使用微软Office URL识别最接近用户的云。
Gupta表示,“大家都期望在自己办公室的桌面上获得相同的性能。”思科推出的整合旨在自动采用“最佳路径、最可靠路径,以期获得最佳性能”。
当然,能了解不同路由到主机的性能是思科的核心竞争力,但Gupta表示,Office 365整合了超越“ping _host_”的做法,可选择最佳路由,而且还不仅仅是事关识别和优先处理Office 365流量。
Gupta表示,“我可以从应用程序本身获取有关应用程序运行情况的数据。因此,尽管路径A速度更快,但路径B具有更好的延迟,而这个正是目前最重要的。”
Gupta最后补充到,“性能特征在不同的线路上会发生变化。有时最短的路径不是最好的路径。”
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。