Marvell 近日宣布推出集成的接入、聚合和核心以太网交换机与 PHY 解决方案产品组合,该产品组合可智能实现整个企业网络中安全高效的数据移动。Marvell 统一的产品组合将 Prestera以太网交换机和 Alaska PHY 解决方案相结合,集合富有洞察力的遥测技术、流感知智能、可扩展的性能和先进的集成式安全技术,可满足当今企业日益复杂的网络需求。
Marvell是一家拥有25年历史的公司,今年Marvell对公司进行了战略调整,定位为一家专注于为数字基础设施打造关键技术的公司,致力于提供领先的半导体解决方案、实现全球数据的高速传输、存储、处理及保护。同时,Marvell还推出了全新的口号:Essential technology,done right(关键技术,应用有方),即不光在技术上做好,还要与客户协同把技术用好。
“Marvell坚信基础设施是推动社会进步的重要力量。现在的我们会聚焦核心业务,依托自身独特的数据基础设施半导体技术组合为客户的需求提供最优的方案。”Marvell中国区总经理、销售副总裁Pohan Chiang(江柏汉)表示。
而网络基础架构正是Marvell的核心领域,在这个领域Marvell拥有超过20多年的创新与积淀,是企业网络技术创新的领导者,一直紧跟用户的需求持续创新。
Marvell网络产品营销总监Eric Yeh表示,随着IT应用日益走向深入,网络面临的挑战越来越大。这一方面体现在,网络上接入的设备越来越多,大量的IoT设备进入企业网,给企业网的管理带来很大挑战;另一方面,安全成为企业网中的越来越重要的考量标准,尤其是在银行或者是政府机构,敏感信息大量存在,“安全”的重要性尤为突出。
另外,云的应用让网络管理更复杂,大量企业采用了“混合云”来承载应用,这些应用可能会运行在企业的数据中心之内也可能运行企业数据中心之外的公有云上。
“Marvell内部有个说法,就是Borderless Enterprise(无边界企业),意思是说企业网不只是在大楼里面或者是固定的范围(一个小的区域或者小的城市里面),它可能遍布在各个地方。这个时候对于资料的运用、对于频宽的应用、如何能够更方便管理,这是一个难题。”Eric Yeh说。
上述种种现状使得传统基于企业边界的网络架构在管理和运维上越来越力不从心,网络管理的复杂凸显出AI的必要性。随着AI技术的成熟,人们开始应用AI技术让网络设备能自适应地做出改变,即无需人工参与网络设备就能自动对参数进行调整来更有效率的分析和传送资料。
“智能”也正Marvell全新网络产品组合的一大特色。Marvell全新产品组合提供包括GE、2.5GE、5GE、10GE、25GE、100GE 和 400GE 的全套连接能力,旨在契合大、中、小型企业 IT 组织不同速度、密度和规模的各种网络架构。最新一代解决方案由四款最先进的 Prestera 以太网交换机和相应的 Alaska 以太网 PHY 组成,为企业网络升级到多千兆以太网以支持 Wi-Fi 6 和 5G 部署提供了清晰路径。Marvell 的智能工作负载管理功能,支持在网络接入边缘或其附近优化数据处理,可提高混合云架构的性能。
除了智能化之外,Marvell新一代网络产品组合在可视化、安全性和性能上也有很大的改进。其中,富有洞察力的遥测功能支持解决方案生成数据,帮助实现网络自动化并加快取证分析;先进的安全特性进一步巩固了可信度,为网络提供了嵌入式保护,有效阻挡不断变化的安全威胁;为了支持零售业、制造业、酒店业、金融业和教育业的新应用场景;配备支持 Wi-Fi 6 的接入点和高性能终端设备,促进向多千兆以太网连接的过渡。该产品组合提供跨网络的容量,以满足不断增加的工作负载和数据云化带宽需求,这对于确保网络性能和连续性至关重要。
除了硬件部分外,Marvell新一代的企业级交换机包含软件开发工具包,添加行业标准的交换机抽象接口,使网络系统供应商能够轻松地在不同的网络芯片选择之间进行迁移。Marvell 持续为丰富的生态系统提供强大支持,其中包括 Linux 基金会的 DENT、开放计算项目的 SONiC,以及各种商用网络软件解决方案,例如 Marvell 自主研发的交钥匙网络软件堆栈,为 原始设备制造商提供全面的选择平台。
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。