11月2日,华为云正式发布IPv4/v6双栈,是国内第一家发布双栈的公有云厂商。华为云网络域技术总监在“以无限唤醒时代,华为云首发IPv4/v6双栈”的主题演讲中,从万物互联的时代背景、IPv6势在必行、什么是双栈以及具体的应用场景、华为在IPv6领域多年的沉淀等方面全面剖析此次双栈首发的意义。
IPv6是通向万物互联时代的钥匙
地球上有70亿人口,可是IPv4地址只有43亿个,而中国总共才有3亿,且已分配殆尽。IPv6与IPv4最大的区别就在于是其位数为128位,可以为全球的每一粒沙子都分配一个IP地址。
华为公司的愿景是:把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界,其中的价值主题是“无处不在的联接,无所不及的智能”。无处不在的联接就是指万物互联,目前IPv4的地址数量严重短缺难以满足万物互联时代的需求,而IPv6拥有近乎无限的IP地址,是通向万物互联时代的钥匙。
华为云首发IPv4/v6双栈,在国内业界持续领先
公有云在IPv6的演进通常分为三个阶段:NAT64转换,IPv6双栈,IPv6 Only。目前国内公有云厂商在IPv6领域的发展普遍停留在第一阶段:IPv6转换。11月2日,华为云正式发布IPv4/v6双栈。意味着华为云率先进入了第二阶段,全面展现了华为云在业界IPv6领域持续创新的实力。
领先,源自积累。华为在IPv6领域有数十年的沉淀,技术研究方面,华为是国际IPv6标准的制定者之一,同时也是国内IPv6标准的领导者,国内广域网IPv6的标准制定,华为贡献国家标准15篇。此外,作为唯一参与CNGI六大骨干网建设的设备商,华为产品参与三大运营商最大规模的IPv6商用,是国内成熟商用的开拓者。
双栈能给我们带来什么?
首先,什么是双栈,它和业界常见的NAT64转换有什么区别?
从虚拟网络角度来说:双栈就是一个网卡有两个地址,一个IPv6,一个IPv4。华为云网络域技术总监John为我们举了一个例子来解释双栈的含义,“这里举个例子来解释一下什么是双栈以及NAT、NAT64、双栈之间的区别。家用电器越来越多,家里的插座不够了,就用插电板来转换,瞬间5、6个电器都能接上,这就相当于网关。如果买了一个欧洲某国家的电器,需要在插座上插专用的电源转换器才能使用,这就相当于NAT64,将插口和电压频率等进行不同标准转换。双栈就相当于,一整面墙上全是插座,能满足家里所有的电器,而且分为国内和国外两种电压,可以按照需求来接入,再也不需要任何的插线板和转换器。”
为了进一步讲解IPv6让连接更简单,John举了一个共享单车的例子,如果使用了IPv6,后台可以随时主动向单车派发指令,组网和运维都更加简单,同时也节省了能源的损耗。John在直播现场还演示了创建IPv6双栈虚拟机的整个过程,操作非常方便,秒级发放双栈虚拟机,而且企业在华为云上的IPv4和IPv6在访问公网时使用相同的共享带宽,在节省成本的同时大大地简化了带宽管理。最后,因为IPv6协议本身对数据进行加密和校验的特点,通信更加安全。华为云此次推出双栈支持IPv4和IPv6双栈通讯能力,智能解析可保持访问入口统一,为企业客户提供一致的体验。在企业业务迁移到IPv6框架的过程中,华为云以经验丰富的专家团队、一流的支撑工具、完善的项目管理能力,助力企业快速可靠地完成业务IPv6化改造和上云迁移,助力企业成为IPv6的先行者。
在万物互联时代,华为云将持续以敏捷、开放、企业级的解决方案,助力企业站在时代的最前端,让连接变得更简单。
IPv6解决方案地址:https://www.huaweicloud.com/solution/ipv6/?utm_source=shuangzhangongzhonghao&utm_medium=pr
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。