随着越来越多的人使用云计算和人工智能 (AI) 等计算密集型应用和服务,所有企业都必须应对网络需求的增长 - 科研领域也不例外。
德国科研网络 (Deutsches Forschungsnetz, DFN),作为德国国家研究和教育网络,已开始进行网络升级,以获得更高的带宽、增加网络容量并减少能源消耗。
作为连接德国各大学和研究机构的通信基础设施的开发者和运营商,DFN 被视为推动全国科研界发展的重要力量。
通过提供高吞吐量的连接,DFN 旨在确保研究人员能够"无缝"访问超级计算机和大规模数据存储库等关键资源,从而实现更快速、更高效的协作。
这对于需要大规模数据传输或与国际研究机构合作的项目来说尤为重要。DFN 不仅在国内运营,还通过高性能交换点连接欧洲和全球科研网络以及普通互联网。
DFN 协会成立于 1984 年,最初名为"促进德国研究和教育网络协会",负责德国研究网络的运营和扩展以及相关 IT 服务。它提供一系列服务,旨在满足科研界不断发展的需求。
DFN 协会运营着国家研究和教育网络,同时为德国各地的大学、研究机构和研发企业开发通信基础设施,连接全国约 850 个地点。它被认为是世界上最大、最强大的非商业网络之一,骨干网光纤总长度达 10,250 公里,核心网络跨越 65 个核心网络节点。
在核心网络的基础设施升级中,DFN 选择了 Nokia 来替换现有设备,并为德国 10 个地点提供 IP 核心网络路由器。此次升级将立即将 DFN 现有的 100G 接口提升至 400G,并具备根据需求进一步升级至 800G 的能力。Nokia 部署了基于其 FP5 路由芯片的可扩展 7750 服务路由器。
据称,此次安装提升了带宽,增加了网络容量,并将网络能耗降低了高达 75%。该方案还包括部署和运营期间的专业服务、培训和技术咨询。DFN 表示,所有现有应用都已在部署前成功迁移到 Nokia 的服务路由器中。
DFN 网络和通信服务负责人 Stefan Piger 表示:"Nokia 的解决方案为我们的德国 IP 核心网络提供了所需的性能和可扩展性,结果证明了这一点。通过实施的解决方案,我们已经为 800G 做好了准备,现在可以根据德国研究和高等教育参与者的要求进一步扩展我们的服务。我们对与 Nokia 的合作及目前取得的成果非常满意。"
Nokia 欧洲网络基础设施高级副总裁 Matthieu Bourguignon 补充道:"作为连接德国各大学和研究机构的通信基础设施的开发者和运营商,DFN 在推动全国科研界发展方面发挥着重要作用。与世界级研究和教育网络的这次合作凸显了我们 IP 路由技术的价值,它提供了一个强大、灵活和适应性强的核心网络,具有高效扩展的未来空间。"
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。