ZD至顶网网络频道 08月03日 编译:近日,瞻博(Juniper)网络公司收购了无晶圆厂设计商Aurrion,宣告进军硅光子业务市场。
Aurrion公司2008年由原Intel/IBM员工Alexander Fang博士联合创立,在过去八年中,Aurrion一直都在开发将铟磷化(InP)收发器应用到商业的过程中,将InP整合到硅制造工艺里的目的就是为了降低交换系统里的光电子成本。
瞻博另一创始人Pradeep Sindhu在博客里表示,光学系统的成本下降速度并不像交换系统里其他部件那么快,因此,高容量交换机的光电子占其成本一半以上。
Sidhu称,Aurrion可以改善瞻博网络每秒比特的成本,可以令其拥有更高的容量接口以及更灵活的交换。
瞻博网络想要的是Aurrion的制造流程,因为制造流程是硅光子里最令人头痛的东西。 Aurrion首席技术官Greg Fish在2013年Compound Semiconductor上的一篇文章里曾经做过有关介绍。
Fish在文章里表示,“我们流程的贴合工序在晶薄膜层次上将InP功能加入光子电路里。”Aurrion流程将InP小晶片置入硅光子电路里,而后“利用标准半导体光刻”进行加工做成激光器、光子放大器、调制器和光电检测器等。
如果该流程真的像瞻博网络所希望的那么强劲,Sindhu预计“我们可以在相对较短的时间里令所有网络产品的根基得到显著改善。”
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。