为了改变未来互联网的经济性和可持续性,思科对800G路由器系列进行了升级。
物联网爆炸式增长,设备从数十亿增长到数万亿,这种情况不仅仅造成通过5G和Wi-Fi联网设备的带宽需求增长了,从联网设备中获取见解的人工智能/机器学习(AI/ML)工作负载对带宽的需求也增长了。
思科表示,在这个新的联网时代,生成式AI、搜索、语言处理和推荐引擎等应用推动了数据中心环境中AI/ML集群的快速增长,这些应用比传统工作负载需要的带宽更多,思科还补充表示AI / ML结构需要用更密集的骨干网扩展,这对于支持大量低延迟处理器至关重要。
虽然带宽增长似乎是无限的,但思科强调空间和功率是有限的,这意味着需要密集而节能的平台。相比于思科的400G/100G模块化服务,这项产品将通信服务提供商和Webscale客户骨干网、城域核心网和数据中心网络的容量翻了一番。
用于Cisco 8000系列路由器的28.8Tbps / 36 x 800G线卡由Cisco Silicon One处理器提供支持,据说它能够降低运营成本,同时在网络在100G、400G和800G容量的发展过程中保护投资。据说它还能够使用更少的硬件扩展和设备重用,从而让客户因为减少碳排放受益。
Analysys Mason的研究总监Simon Sherrington表示:“根据我们广泛的市场研究和流量分析,我们预测固定和移动服务的数据流量将继续增长,包括5G、宽带、物联网和云。”
“这些趋势使网络面临越来越大的压力,这就是为什么未来需要通过Cisco 8000等解决方案扩展到800G吞吐量,同时帮助服务提供商和云提供商提高运营效率、可持续性和用户体验。”
思科网络、数据中心和供应商连接高级副总裁兼总经理Kevin Wollenweber表示:“我们将继续将800G扩展到更多用例,从AI/ML结构到核心,帮助我们的客户实现自身的性能和可持续发展目标。我们的密集核心和骨干解决方案采用了使用Cisco Silicon One的新型双密度线卡,凭借这些解决方案,我们加快了任何地方向800G 的过渡。”
思科8000系列路由器系统(Cisco 8000 Series Router Systems)还被认为能够节省高达83% 的空间,允许用户使用大致相同的基础设施将网络变得更密集,以支持5G、宽带、物联网和AI/ML 等用例。思科8000系列路由器平台将相同机箱占用空间的容量翻倍,其空间效率达到了400G单机箱系统的两倍。
Florida LambdaRail(由美国研究和教育界拥有并运营的高速美国计算机网络)的首席网络架构师Chris Griffin描述了一个典型的用途,他表示设备空间和计算能力是一个主要问题,因为现在Florida LambdaRail很多站点的空间都已经被占满了。
他表示:“随着Florida LambdaRail新的FLRnet4 400G骨干网的实施,结合令人难以置信的转发能力、运营效率和可靠的IOS XR网络操作系统让思科8000系列成为我们新网络的不二之选。”“我们对我们的选择感到非常满意。我们不仅拥有最先进的网络,思科的8000 系列解决方案还可以确保节省出足够多的运营支出,以在未来几年扩展我们的网络。”
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。