今天首先聊聊网络方面的趣闻,MWC2014举办,展示了很多让人叹为观止的物联网(Internet of Things)新技术。
当然物联网已经不是一个新鲜的话题了,老早之前就在不断地各种“炒”,一些产品也陆续问世,例如可穿戴设备、智能电器以及家庭监控等等。也就是说,只要你能使用的设备几乎都可以连接到互联网。用一个词来形容就是“万物互联”。
这不是我杜撰的,思科CEO钱伯斯在MWC上就引用了这句话。并称,现在已经有100亿的设备连接到互联网,而到2020年,这个数字将增加到5000亿。真的是万物互联了,在现场的展示中,连纸、玻璃都可以连接到以太网,甚至人体直接可以充当线路。真让人憧憬了,好基友要传个电影啥的,摸摸手就行了,什么蓝牙、WiFi都弱爆了。
但是,网络厂商们做好准备了么?这么多设备接入互联网,每时每刻的数据传输量肯定大得惊人,链路结构也将会非常复杂,至少传统的网络技术有点心有余而力不足。在《数据中心2013:硬件重构与软件定义》中分析了一些传统网络技术的弊端。从目前看来,SDN在管理大量网络设备、网络链路的时候具有很不错的效果,至少谷歌这么干了。
除了同时作为用户和并自己打造SDN设备的谷歌之外,网络设备厂商们也在继续推进SDN。在本周的Open Networking Summit(开放网络峰会)上,博科(Brocade)、博通(Broadcom)和飞思卡尔(Freescale)唱响“三重奏”,宣布其全线产品将支持OpenFlow 1.3标准,以符合未来SDN发展的需求。ONF(Open Networking Foundation,开放网络基金会)是SDN概念和OpenFlow标准的主要推动者,其宣布以后的发展将以OpenFlow 1.3作为基准,因为OpenFlow 1.2需求硬件变动,它将流表数量大为增加,一些早期的OpenFlow 1.0、1.1设备很可能无法扩展到1.2乃至1.3,因此将无法适应OpenFlow的继续演化。
也是因为这个原因,包括Brocade在内的很多厂商甚至跳过了OpenFlow 1.1以及1.2,实际上,它们直接跳到了OpenFlow 1.3版本,我们将会在今年Q2、Q3看到大量的OpenFlow 1.3产品。OpenFlow 1.3在2012年末发布,其主要新增特性包括IPv6、QoS、组表、冗余控制器以及Q-in-Q。
再来说说存储方面的事儿,英特尔最近发布了面向高玩及专业级市场的SSD产品——730系列。绝对是亲生,据好事者称,这款脱胎于英特尔数据中心级产品的SSD,连PCB都与DC S3500神似。并且其实测的连续写性能居然比官方公布的数字还高,这只能说英特尔实在太“实诚”了。
在年前英特尔就解释了其SSD三大战略,除消费级产品(如520、330)会与其他厂商合作外,专业级和数据中心级SSD产品基本都会采用英特尔自家的技术。730系列很好地体现了这一战略——全部采用英特尔自家的技术,除了两颗512MB、用作缓存的Micron产DRAM。至于英特尔与Micron这对好基友…你懂的!
英特尔在闪存行业积累了足够多的优势,但态度一直暧昧,且对手追得很紧。按照某业内人士的“戏言”:英特尔除了x86,其他的都不重要。尽管英特尔一直在正式场合重申闪存战略,但单一个730也许还不足以消除“误解”,后续面向数据中心市场的SSD产品或许更能体现英特尔的决心。
好文章,需要你的鼓励
科技巨头IBM今日宣布推出新的区块链数字资产平台,专为金融机构和受监管企业设计。该平台名为"数字资产避风港",将为银行、企业和政府提供比特币、以太坊、稳定币和代币化资产的安全管理服务。平台由IBM与数字钱包基础设施提供商Dfns合作开发,支持超过40个公链和私链的全生命周期管理,并集成第三方身份验证和反洗钱合规工具。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
机器人可执行多种任务,但每个动作都需要专门训练,难以适应现实场景。Mbodi开发了云边混合计算系统,利用多个AI智能体协作,帮助机器人更快学习任务。用户可用自然语言下达指令,系统将任务分解为子任务并快速训练机器人。该公司入选TechCrunch Disrupt 2025创业大赛20强,目前专注于拣选包装领域,正与财富100强企业合作概念验证项目。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。