作為“互聯(lián)網(wǎng)+”行動計劃最重要的技術(shù)元素,云計算成為很多企業(yè)用戶通過IT技術(shù)提升業(yè)務(wù)的新驅(qū)動力。其中,數(shù)據(jù)顯示從2013年到2018年,全球數(shù)據(jù)中心將增長近三倍,而云流量占總體數(shù)據(jù)中心流量將從54%提升到76%。這意味著數(shù)據(jù)中心性能需求的再次飛躍,也對新一代核心交換機提出了要求。
作為國內(nèi)民族品牌的銳捷網(wǎng)絡(luò)洞察到了數(shù)據(jù)中心流量這一極速增長的需求,8月21日正式推出“零背板”數(shù)據(jù)中心交換機RG-N18018-X。
據(jù)悉,新產(chǎn)品在100T平臺上應(yīng)用“零背板”技術(shù),實現(xiàn)了大容量、高密度、低損耗、綠色節(jié)能等創(chuàng)新特性,在提供高性能、穩(wěn)定服務(wù)的同時,可實現(xiàn)未來10年的網(wǎng)絡(luò)平滑升級。此外,該產(chǎn)品采用CLOS直接正交零背板交換架構(gòu),整機最大支持172T的交換容量,完美匹配云數(shù)據(jù)中心業(yè)務(wù)復(fù)雜性與多樣性的需要,具體表現(xiàn)在以下三個方面:
RG-N18018-X數(shù)據(jù)中心交換機融合多項創(chuàng)新特性于一身,其中閃光點便是“零背板”。
首先,這項技術(shù)突破能夠解除背板對容量提升的限制,進而提供了持續(xù)的帶寬升級能力和業(yè)務(wù)支撐能力。其次,銳捷在業(yè)界率先實現(xiàn)了100G端口無PHY芯片設(shè)計,成就了RG-N18018-X最高速率、最全端口的豐富組合,支持100G、50G、40G、25G、10G,可以兼容過去及未來10年內(nèi)由于多次升級產(chǎn)生的各種高速端口。此外,純前后風(fēng)道、高強度機箱設(shè)計、五級精準(zhǔn)導(dǎo)向、21U的高度、智能檢測對接狀態(tài)等全新架構(gòu)設(shè)計,更助其成為了業(yè)界“容量/密度”最高的數(shù)據(jù)中心核心交換機設(shè)備。
RG-N18018-X具備172T的超大帶寬,是目前業(yè)界最大的交換容量平臺。其單板支持36個100G接口,實現(xiàn)了單板3.6T的交換容量,整機最大提供576個100G端口、或2304個25G端口,超過同等尺寸設(shè)備接口密度的70%。另外,這款產(chǎn)品還在業(yè)內(nèi)首次采用了顯卡級大緩存GDDR5 SDRAM配置,單板性能高達24GB容量,最大支持512K虛擬機的核心交換機,比業(yè)界最強的交換機緩存提升了33%,能夠更好地保障傳輸質(zhì)量。
由于應(yīng)用了零背板技術(shù),RG-N18018-X交換機實現(xiàn)了直通風(fēng)道散熱設(shè)計,可以實現(xiàn)更低的風(fēng)阻,讓風(fēng)流快速帶走熱量,能夠有效降低設(shè)備溫度;其前面板采用30°內(nèi)折彎設(shè)計,對比垂直面開孔率高達106%,有效提升進風(fēng)量;機箱內(nèi)采用對旋風(fēng)扇設(shè)計,可同時滿足風(fēng)量和風(fēng)壓的需求,進一步降低風(fēng)扇噪聲。特別地,RG-N18018-X交換機還采用業(yè)界最高效率的鈦金級別電源,使得供電轉(zhuǎn)換效率高達96%;同時100G線卡采用無PHY芯片設(shè)計,能使單板功耗降低5.63%以上。
據(jù)銳捷表示,“零”代表的不是無,而是無窮的升級空間和無盡的革新力量。此次發(fā)布的RG-N18018-X隸屬于“牛頓(Newton)”核心交換機系列,繼承了Newton18000系列憑借其在云計算領(lǐng)域中IT資源快速響應(yīng)、業(yè)務(wù)融合、SDN(軟件定義網(wǎng)絡(luò))創(chuàng)新等方面的優(yōu)勢,而“零背板”創(chuàng)新設(shè)計的加入,無疑是助力了云數(shù)據(jù)中心擴容。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。