今天,Broadcom推出一款搭载 StrataXGS Trident 4(BCM56690)的下一代Trident X7 。这是Broadcom公司的新一代企业交换平台,旨在将50E和100GbE网络引入服务器节点,并将400GbE引入更多数据中心。
预计新的Broadcom Trident 4-X7将被用作企业网络环境中的顶级机架交换机(ToR)。它被设计用于处理50GbE或100GbE连接到服务器,然后通过聚合交换层进行400GbE上行连接。

尽管我们在AI训练服务器领域中看到400GbE变得非常普遍,但企业服务器的成本往往是这些服务器的十分之一,并且由于VMware和Microsoft的许可模型核心数量往往较低,并不像云环中那样高。这意味着企业服务器互连的25GbE接口将在不久的将来转变为50GbE和100GbE,现在已经出现了NVIDIA BlueField-2 DPU和AMD Pensando DSC2-100G Elba DPU在运行VMware ESXi的情况。
NVIDIA正在开始推出与AMD相匹配的针对VMware企业级100GbE解决方案。这将有助于推动新的服务到企业VM部署中,从而更需要100GbE ToR交换机,Trident X7的出现将会很好满足这部分企业客户的需求。此外,鉴于SONiC在重塑行业的方式上非常重要,Broadcom表示将在Trident 4 上支持Enterprise SONiC。
最后的话
Broadcom仍将该产品列为“初步”,因此在交换机产品中可能还需要几个季度才能看到。与此同时,Trident已经存在多年,所以我们期待新一代产品的推出,令人兴奋的是,预计像Arista这样的公司将采用新的交换芯片进行生产。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。