思科公司表示,旗下Nexus Cloud最终将允许客户以纯云端方式管理自己的数据中心网络。
在本周的Cisco Live上,思科公司公布了其以数据中心为中心的Nexus产品家族的又一位新成员。而其中最大的亮点,就是整个产品家族都经历了一番软件即服务(SaaS)改造。
思科公司Nexus与ACI产品线云网络产品管理副总裁Thomas Scheibe表示,“此次改造,主要服务于那些需要、或者希望在单一位置管理整个Nexus乃至公有云网络基础设施的运营团队。”
他强调,这种能力非常重要,因为思科的大部分数据中心客户(无论具体规模如何)都面临着工作负载在本地、托管和云环境之间广泛分布的问题。
Nexus Cloud的基本思路,就是把思科多年以来为Meraki无线与LAN交换客户提供的集中式云交付网络管理功能,一举推广到数据中心领域。
然而,Scheibe也承认,这款产品目前还不够完善。“客户发现,他们还需要一段时间才能适应这种立足云端管理整个基础设施的新模式。但他们愿意先从监管、故障排查、容量规划和合规性检查起步。”
在正式发布时,Nexus Cloud将提供集中式监控与可见性功能,而管理工作则继续由本地运行的Nexus Dashboard负责处理。
Scheibe提到,包括机器学习驱动型分析在内的其他功能,将在稍后陆续推出。“随着时间推移,我们将为客户提供完整的迁移选项,将基础设施整体交由Nexus Cloud打理。”
这套平台本身,则是以HyperFlex HCI和USC-X服务器使用的相同思科Intersight平台为基础。
Intersight去年也完成了自己的SaaS改造。今年年初,思科又为其增加了对运行在AWS EC2中的Kubernetes集群和虚拟机实例的管理支持。
Scheibe表示,由于Nexus Cloud与Intersight之间的紧密集成,IT团队规模较小的客户也可以通过单一仪表板,轻松通过网络部署并运行各类内外部工作负载。
例如,如果客户在AWS中运行的工作负载需要对接本地数据库,则Nexus产品组合将帮助客户一次性完成对应用程序和网络的部署和配置。
思科为Nexus产品组合引入800G传输带宽
除了Nexus Cloud之外,思科还详细介绍了下一代Nexus数据中心交换机,据称能够支持400至800 Gbps连接。
思科公司目前的Nexus数据中心家族诞生地近十年之前,而且已经更新了几代线卡,目前能够支持400 Gbps网络。
Scheibe解释道,思科的9800系列机箱式交换机就是以400 Gbps连接基准为前提的重置方案。与上一代Nexus交换机一样,随着芯片性能的增强与光学器件的进步,思科现在能够提供传输带宽更高的线卡,用以支撑体量更大的数据流。
与此同时,思科公司还计划在今年晚些时候推出一款名为Nexus 9400的小型模块化机箱,它将提供64个400 Gbps端口或128个200 Gbps端口。
除了大型模块化机箱之外,思科还更新了Nexus 9300固定尺寸交换机,将400 Gbps端口的数量由16个增加到48/64个。
此次Cisvo Live上公布的所有新款交换机,均搭载思科内部原研的Silicon One与Cloud Scale ASIC组合。
结合公告内容,分析师们预计各大云服务商和超大规模客户即将全面普及400 Gbps网络。
根据Dell’Oro Group的数据,2022年第一季度,全球400 Gbps交换机出货量总计超过80万个端口。预计这一数字将在2023年继续保持增长。
随着首批400 Gbps NIC如约上市,这些交换机也将陆续被送往客户手中。但Scheibe预计,大部分数据中心最多只需要100 Gbps端口就足以完成与客户端的数据传输,400 Gbps端口将主要供数据聚合使用。
思科的Nexus 9300与9800交换机将于本季度晚些时候正式出货,9400的发布时间则定于今年秋季。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。