至顶网网络与安全频道 12月12日 编译:昨天在旧金山举行的一场现场直播活动中,思科首席执行官Chuck Robbins宣布推出了Silicon ONE,思科花费五年时间打造的芯片架构,旨在为未来网络提供通用基础,可用于构建各种形式的模块化和固定式交换机和路由器。
思科首席执行官Chuck Robbins
Robbins在活动中表示:“我们正在努力打造将能够为未来互联网提供动力的主干,我们必须构建面向未来的互联网。”
Robins重点提到了刚刚起步的下一代高速5G网络的潜力。他说:“我们今天提出的技术将帮助5G发挥潜力。”他指出,5G是关键,因为移动设备生成的遍布网络的数据量还会持续激增。“今天的公布,对于让5G从炒作变成现实是至关重要的。”
整合碎片化的网络
大型网络,尤其是由运营商和大型技术公司运营的网络,是由各种各样的设备组成的。反过来,这些设备通常是由各种专用集成电路提供支持的,每种集成电路都有自己独特的架构。
这种碎片化增加了网络操作的复杂性。但是在计算端问题就简单一些了,因为大多数数据中心服务器都是基于英特尔处理器的,并且使用的是x86指令集,所以这意味着一段代码如果可以运行在一台计算机上,那理论上来说这段代码也可以运行在其他服务器模型上。相比之下,如果某个企业的不同网络设备采用不同的ASIC架构,那么技术团队需要针对每种架构分别进行代码验证。
思科希望通过Silicon ONE解决这个问题。思科表示,在由Silicon ONE设备构成的下一代网络中,部署新服务的工作量和成本都有所降低。而且,管理员无需应对由于不同芯片设备之间的技术差异而带来的运营挑战。
Moor Insights总裁兼首席分析师Patrick Moorhead表示:“我认为可以通过定制ASIC芯片解决很多客户问题,因为它是针对多种网络场景的一种架构,可以转化为有针对性的软件平台,而不是三个或者四个。这可能会给Broadcom、Arista和Juniper带来一些麻烦,因为Broadcom、Arista和Juniper都需要借助网络设备和ASIC芯片在这一领域开展业务。”
首个突破10Tbps的芯片
Silicon One系列的第一款芯片是Q100,一款可编程的ASIC,思科称其为业内首个能够提供每秒10 TB以上带宽的芯片。思科称,Q100处理数据包的速度是同类产品的三倍,而功耗却只有其一半。
思科芯片技术高级副总裁Eyal Dagan表示:“这是芯片技术的最高目标。”
Q100将作为Cisco 8000系列路由器新品的一个组成部分出货,共有五种型号,两种固定型号和两种模块化型号,带宽范围从10.8 Tbps到260 Tbps。
思科芯片工程高级副总裁Eyal Dagan(左)和思科高级副总裁、网络与安全业务总经理David Goeckeler(右)
思科服务提供商业务负责人Jonathan Davidson在博客中详细介绍称,“思科8000系列配备了防篡改硬件,可作为防止对硬件或软件进行任何篡改的信任根源。”此外,这些路由器附带了改进的Cisco IOS XR网络操作系统版本,其中新增了云功能。
Davidson表示:“XR7已经完全现代化,可以利用Cisco Crosswork Cloud提供的新云交付SaaS部署模型来增强运营。现在,运营团队可以有选择性地使用洞察和分析即服务。”
Cisco 8000路由器已经于今年10月开始交付给早期采用者,将于2020年上半年全面上市。
技术压力
市场研究公司Wikibon首席分析师Dave Vellante表示,思科把赌注压在Silicon ONE上是受到了整个半导体行业的影响。
Vellante说:“思科必须这样做,因为思科不能依赖于摩尔定律等传统技术的发展曲线。未来20年芯片晶体管密度不会大幅削减。”摩尔定律认为芯片晶体管的密度每两年翻一番,对于半导体行业而言,要保持成本效益就变得越来越困难,这导致了处理器提速的步伐有所放缓。
Vellante补充说:“一直以来思科都倾向于使用定制芯片,定制芯片比商用芯片有更大的灵活性和可控性,让思科能够体现出与Juniper等厂商的差异化。这就需要投入更多资金,而且可能会限制产品的上市速度,但是对于像思科这样的大公司来说,更垂直地进行整合是有道理的。”
总体来看Vellante认为:“这让我感到震惊,下一代互联网还有很多创新,包括新协议、开源软件、当然还有新的应用和工作负载——其中不少都是运行在云中的。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。