思科(NASDAQ: CSCO)正式宣布与NVIDIA扩大合作伙伴关系,为企业提供人工智能技术解决方案。尽管企业普遍认识到AI对增长至关重要,但因运营AI就绪数据中心时面临独特的技术复杂性和安全性需求,企业在采用人工智能技术方面仍处于起步阶段。双方此次扩大合作旨在为企业提供灵活性和选择,帮助其满足AI工作负载对数据中心、云端和用户之间高性能、低延迟、高能效连接的需求。
Verizon董事长兼首席执行官Hans Vestberg表示:“一个强大且可扩展的人工智能生态系统是推动AI变革力量的关键。思科与NVIDIA的深化合作,正如Verizon AI Connect战略和解决方案一样,将加速并赋能网络边缘的资源密集型AI工作负载。”
基于思科和NVIDIA芯片的NVIDIA Spectrum-X以太网网络平台将为许多企业的AI工作负载奠定基础。通过实现两家公司网络架构的互操作性,双方将优先满足客户对简化的全栈解决方案的需求。此次扩大合作的目标是让客户利用现有的管理工具和流程,通过覆盖前端和后端的统一架构,优化其AI基础设施投资。
思科董事长兼首席执行官罗卓克(Chuck Robbins)表示:“企业面临着快速有效部署人工智能的巨大压力,许多领导者难以在平衡风险的同时证明投资价值。思科与NVIDIA携手合作,旨在为客户消除障碍,确保他们能够优化基础设施投资,释放AI潜力。”
NVIDIA创始人兼首席执行官黄仁勋表示:“AI正以光速向前发展,必将改变各行各业。NVIDIA Spectrum-X是针对AI优化和增强的以太网技术。借助思科的企业平台和全球影响力,我们将帮助全球企业在AI转型竞赛中构建最先进的NVIDIA基础设施。”
通过简化思科和NVIDIA技术的集成与标准化,客户将受益于NVIDIA Spectrum-X平台当前和未来的技术进步,如自适应路由、遥测、拥塞控制和低延迟,以及思科更广泛的网络、安全和数字韧性产品组合,包括Splunk数据平台。随着企业开发AI能力并基于自身数据训练模型,制定全面的安全战略变得至关重要。
World Wide Technology联合创始人兼首席执行官Jim Kavanaugh表示:“World Wide Technology与思科和NVIDIA的长期合作已经带来了领先的AI解决方案,推动了创新和业务转型。通过充分利用思科在数据中心方面的深厚专业知识和NVIDIA先进的AI技术,我们将为客户提供无与伦比的价值,帮助他们自信应对AI采用过程中的复杂性。”
思科和NVIDIA:加速企业级AI工作负载部署
双方致力于通过创新突破加速企业的AI应用进程。此次深化合作的目标在于,通过简化部署和运营、提升工作负载性能与可视化能力,为AI工作负载提供当前最高性能的以太网解决方案,并将NVIDIA Spectrum-X架构扩展至支持思科Silicon One芯片,使思科成为Spectrum-X以太网解决方案中唯一支持的芯片合作伙伴。此外,本次合作还将推动企业数据中心以太网AI项目从原型阶段迈向全面部署,突破以往仅依赖公有云或SaaS服务的限制。
如今,思科与NVIDIA正计划为客户开发联合解决方案。
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
DeepSeek-AI团队通过强化学习技术开发出DeepSeek-R1系列推理模型,无需人工标注即可自主学习复杂推理。该模型在数学、编程等领域表现卓越,在AIME 2024中达到79.8%准确率,编程能力超越96%人类选手。研究团队还通过知识蒸馏技术将推理能力传递给小模型,使7B参数模型也能超越GPT-4o。这项突破为AI推理能力发展开辟新路径。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
微软研究院推出rStar-Math系统,通过创新的"深度思考"训练方法,让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练,将70亿参数模型的数学能力从58.8%提升至90.0%,在美国数学奥林匹克竞赛中达到前20%水平,证明了精巧方法比模型规模更重要,为AI发展开辟了新路径。