至顶网网络频道 01月09日 综合消息:“网络新引擎 AI赢未来”华为网络春季新品发布会在北京顺利召开,华为发布了业界首款面向AI时代的数据中心交换机CloudEngine 16800,定义了AI时代数据中心交换机的三大特征,创新性地引入AI技术,普惠AI助力客户加速智能化转型。
华为网络产品线总裁胡克文发布面向AI时代的数据中心交换机CloudEngine 16800
华为GIV(Global Industry Vision)2025预测,企业对AI的采用率将从2015年的16%达到2025年86%,AI成为企业重塑商业模式、助力决策和提升客户体验的关键推动力。华为网络产品线总裁胡克文表示:“万物互联的智能世界正加速到来,数据中心正成为5G、人工智能等新型基础设施的核心。华为率先将AI技术引入数据中心交换机,引领数据中心网络从云时代迈入AI时代。”
随着AI时代的到来,AI算力受到数据中心网络性能的影响,正在成为AI商用进程的关键瓶颈,传统以太网千分之一的丢包率,将导致数据中心的AI算力只能发挥50%;同时,预计全球年新增数据量将从2018年的 10ZB 猛增到2025年180ZB( 即1800亿TB),现有100GE为主的数据中心网络已无法支撑数据洪水的挑战;另外,随着数据中心服务器规模的增加,以及计算网络、存储网络和数据网络三网融合,传统人工运维手段已难以为继,亟需引入创新的技术提升智能化运维的能力。
胡克文表示,“AI时代的数据中心交换机具有三大特征:内嵌AI芯片、单槽48 x 400GE、以及向自动驾驶网络演进的能力。”
业界首款内嵌AI芯片数据中心交换机,100%发挥AI算力
CloudEngine 16800是业界首款搭载了高性能AI芯片的数据中心交换机,承载独创的iLossLess智能无损交换算法,实现流量模型自适应自优化,从而在零丢包基础上获得更低时延和更高吞吐的网络性能,克服传统以太网丢包导致的算力损失,将AI算力从50%提升到100%,数据存储IOPS(Input/Output Operations Per Second)性能提升30%。
业界最高密度单槽位48 x 400GE,满足AI时代5倍流量增长需求
CloudEngine 16800全面升级了硬件交换平台,在正交架构基础上,突破超高速信号传输、超强散热、高效供电等多项技术难题,使得单槽位可提供业界最高密度48端口400GE线卡,单机提供业界最大的768端口400GE交换容量,交换能力高达业界平均的5倍,满足AI时代流量倍增需求。同时,单比特功耗下降50%,更绿色节能。
使能自动驾驶网络,秒级故障识别、分钟级故障自动定位
CloudEngine 16800基于内置的AI芯片,可大幅度提升“网络边缘”即设备级的智能化水平,使得交换机具备本地推理和实时快速决策的能力;通过本地智能结合集中的FabricInsight网络分析器,构建分布式AI运维架构,可实现秒级故障识别和分钟级故障自动定位,使能自动驾驶网络加速到来。同时,该架构还可大幅提升运维系统的灵活性和可部署性。
华为数据中心网络领域总经理王雷表示,“华为CloudEngine系列数据中心交换机已在全球6000多家客户成功商用,助力金融、互联网、运营商等行业客户数字化转型。华为推出的面向AI时代的CloudEngine 16800数据中心交换机将助力客户加速智能化转型,实现普惠AI,共同构建万物互联的智能世界。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。