当前对AI的关注往往让数据驱动的洞察力和自然语言理解更加突出,但AI热潮背后有一个重要的潜台词:HPE等主要企业参与者也在努力增加新的网络功能,为众多企业计算环境中的AI处理铺平道路。
HPE高级副总裁、HPE Intelligent Edge总经理Phil Mottram本周二在美国拉斯维加斯的HPE Discover大会主题演讲中表示:“我们不要忘记了,是网络将数据输入模型,这在AI时代代表着新的机遇,网络的作用是巨大的。”
即将收购瞻博网络可能会让HPE的网络故事增色不少
HPE首席执行官Antonio Neri毫不掩饰HPE计划收购Juniper Networks对于加速整个网络部署AI的重要性。今年1月HPE对Juniper Networks的收购交易,仍然得通过监管审查,不过Neri在本周HPE Discover大会主题演讲中乐观地表示,收购仍将顺利完成。
他表示:“预计交易将在今年年底或明年年初完成,这将进一步完善我们的整体业务战略。”
然而,Neri的时间表遇到了障碍,今天英国监管机构宣布将调查这笔规模140亿美金的收购案是否会给英国带来竞争问题。调查结果预计将于8月公布。
HPE瞄准Juniper Networks,让人想起了9年前HPE以30亿美金收购Aruba Networks的情景。Aruba提供数据中心交换机和无线连接接入点——这是AI应用和网络服务密不可分的关键要素。
AI用于网络 网络用于AI
这个现实得到进一步突显,尤其是在HPE Discover大会上,HPE高管们阐述了Aruba将AI融入网络场景的计划,其核心是Aruba Networking Central,HPE基于云的网络管理平台。HPE Aruba首席产品和技术官David Hughes表示,Aruba管理着超过400万台设备和超过10亿个连接端点。
Hughes在大会有关边缘的主题演讲中表示:“所有这些都与Aruba Central结合在一起。”
Aruba采取的方法是提供解决方案以推动AI用于网络,利用AI的技术进展使网络管理员的工作更轻松,此外还致力于用于AI的网络,包括增强处理生成式AI工作负载的能力。
HPE已经行动起来了,通过将自定义AI模型集成到Aruba Central中来实现这一点。这让管理员可以通过集中式界面监控网络基础设施,从WiFi接入点自动收集数据,配置网络设备。
HPE的高管们还在大会主题演讲中描述了HPE是如何将安全性嵌入网络的战略,这一愿景被称为“安全第一、AI驱动的网络”。
在这种情况下,接入点可用于通过使用AI自动化操作来执行策略。“安全和网络目标已经达到了同等水平,”HPE首席技术和安全官Jon Green表示。
混合云服务于数据密集型AI工作负载
HPE本周围绕混合云发布了几项公告,其中的一个重点是与Nvidia合作推出的HPE Private Cloud AI。HPE对混合云的关注与其AI战略直接相关。正如首席技术官Fidelma Russo在她的主题演讲中指出的,“AI是一种数据密集型工作负载,因此本质上是一种混合式工作负载。”
网络将成为这一混合战略的关键要素,因为HPE坚信企业将需要一个能够全面解决整个AI生命周期问题的混合解决方案,这其中也将包括边缘,Neri在周二发表主题演讲后与媒体的简报中重申了这一点。
Neri说:“很多推理都将在边缘有端点,AI在设计上是需要混合云的。”
HPE不断发展的网络故事体现在了职业体育界,特别是NBA金州勇士队。该队在大通中心打球,这是一座2019年在旧金山开业的体育和音乐会场馆。
场馆内部署了数千台边缘设备用于传送和收集数据,这些设备包括Aruba Wi-Fi 6E接入点、销售点收银机、安全摄像头和各种楼宇管理硬件,更别说每天还有超过18000名球迷要到场观看比赛。
“即使没有一名球迷进入大通中心,也已经有5000到7000台设备连接到我们的网络,”金州勇士队和大通中心技术副总裁Daniel Brusilovsky在媒体简报会上解释说。“你确实需要网络以非常高的性能运行。”
这只是一个例子,说明了在需要随时连接数千台设备的时代,企业对网络技术的依赖程度有多高,而AI增加了新的使用层,带来更高的复杂性,本周在拉斯维加斯举行的HPE Discover 大会传递了一个信息,那就是消费者和企业都对于性能和令人满意的结果有着很高的期望。
Brusilovsky向媒体表示:“我从粉丝那里听到的最糟糕的话就是‘我无法在场馆内连接’,现在我们大楼里的一切都是运行在网络上的。”
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。