ZD至顶网网络频道 08月18日 综合消息: 英特尔制造的硅光子网络产品开始批量发货,硅光子网络技术利用薄玻璃纤维里的光取代铜导线。
硅光子网络技术用的是几毫米大小的缆线,在2 公里或更远距离上的网速可达100Gbps,该技术可用于连接数据中心集群的高速网络。所谓的硅光子是指利用排列有序的硅发送和接受经过精确对齐的、携带数据的激光信号。这些硅光子设备的制造和正常的 CMOS 芯片无异,即是说批量制造会相对便宜和容易。
科技人员的梦想是将这种技术嵌在处理器和芯片里,如此它们就可以将数据从内部数据线直接发到外部网络里。
此为最终的目标。但目前我们只是使用相应的分立收发器。用家基本上可以将一堆英特尔 PSM4 和 CWDM4 硅光子模块塞在交换机之类的设备里,然后与其他硅光子设备联网,架成有效速度达 100G的以太网络。该技术的开发有16 年左右的历史了。
英特尔收发机模块
记者今天了解到,自 6 月以来这些模块已经开始面向有些客户发货。据悉,微软也一直在Azure 数据中心里试用这些技术。
英特尔数据中心集团的老板Diane Bryant在旧金山的芯片巨头开发者论坛会议上展示了一款模块。
她今天早上在会议上做主题演讲时表示,"网络缆线不够给力。我们是第一家用硅进行数据连接的公司。"
据英特尔副总裁Alexis Bjorlin的介绍:
英特尔硅光子产品现已进入批量生产阶段, 100G 光子收发器产品已经开始发货。英特尔硅光子 100G PSM4 (并行单模光纤 4道) 和英特尔硅光子 100G CWDM4 (稀疏波分复用4道)是小外形规格、 高速度和低功耗消费产品,主要用于数据通信方面的应用,特别是数据中心里交换机到交换机的光互连。
Bjorlin 还表示,"目前这些产品已经被部署到大型数据中心里交换机到交换机的连接里。而在未来随着服务器带宽的增加,服务器将由光网络连在一起,光网络将取代铜线互连,铜线在带宽增加的情况下,其互联性在广度上的局限性越来越大。"
有关PSM4 和 CWDM4 的资料在网上可以搜到。就我们所知,PSM4 和 CWDM4是交换机制造商用来造 100GbE 设备的组件,即是说,它们没有 PCIe或之类的接口。
如前所述,硅光子技术已经有多年的发展历史了,而且不只是英特尔在做有关方面的工作。大学科研人员和包括IBM在内的企业都一直在研究硅光子。而同时,诸如 Mellanox 的网络设备制造商手里的100Gbps 以太网硬件也可以在超过 2 公里的电缆上运行。
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。