现在,“虚拟”事物的概念已经被大家所熟悉。例如最常见的虚拟机,在用户看来它们就像 是真正的计算机,它具有实际的硬盘驱动器和内存。然而,在现实中,这些元素并没有真实存在。只是,虚拟操作系统环境(通常是指VMware vSphere、Citrix Xen Server或者微软Hyper-V)向我们呈现了这些元素。
虚拟路由器也是如此。虚拟路由器具有物理路由器的所有组成部分,并且,它们的工作方式也相同。但是,与虚拟机一样,虚拟路由器并不是具有物理连接且真实存在的设备。
为了理解虚拟路由器,重要的是要了解物理路由器的元素。在其最简单的形式中,路由器通过协议来连接两个局域网,该协议会部署和了解子网络,并在这些子网络之间进行路由,即可路由的协议。此外,路由器还会通过广域网(WAN)连接不同地理位置的子网络。
因此,虚拟路由器需要三个组件:LAN接口、WAN接口和路由代码—用于确定哪些流量需要穿过WAN以及如何相应地对其进行封装。
在20世纪90年代,当WAN路由第一次成为连接不同地理位置的企业LAN的可行方法时,路由世界还处于“狂野西部”阶段。我们可能会认为目前的网络很复杂,但其实就基本路由而言,这已经相当简单,互联网和路由器都是通过IP运行。
连接位置不像第一代路由器那么简单
然 而,对于早期路由器,并没有那么简单。很多这些路由器通过私有WAN(而不是互联网)连接,并且,可能运行很多数量的可路由协议,例如DECNet、 Novell的IPX,甚至还有Banyan VINES。(例如当时,思科的营销团队就声称他们的产品通过十几个协议进行路由)。因此,这可能需要非常高的处理能力和内存来处理这些协议,特别是相对 于当时的计算机能力。
WAN连接也不简单。广域接口通常是高级别数据控制或者帧中继,这些需要专门的硬件接口,而只有专用路由器中才有这种接口。
而现在,我们的世界已经变得非常简单。我们不仅只使用单个协议来路由,而且CPU已经显著提升,内存也是如此--即使是在标准的商用服务器。
限制,WAN接口(通过有线供应商和DSL提供商部署)已经成为又一个标准以太网连接。并且,随着10千兆以太网卡逐渐普及—甚至在现成的服务器中,为处理偶尔超过100 Mbps的互联网速度提供带宽并不是挑战。
商品PC可很好地满足基本路由需求
这意味着什么?现在具有两个以太网连接的商品PC的性能水平已经完全可以满足基本路由器要求(对于简单的分支机构级路由器)。并且,这个商品PC不需要是真实的PC—它可以被虚拟化。
在虚拟化成为主流技术之前,Vyatta公司(现在属于Brocade)就构建了可在标准戴尔PC运行的企业级路由器。而最近,思科、惠普等供应商也在其平 台部署了代码,以允许在单台物理服务器生成多个独立的路由器。这意味着,虚拟化方法将在多租户环境特别有吸引力,因为每个租户都可以拥有专门的路由器,尽 管是虚拟路由器。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。