2018年11月28日,中国北京——在11月16日于南京举办的2018全球网络技术大会(GNTC)上,戴尔易安信PowerEdge MX融合解决方案荣获“GNTC创新奖(GNTC Innovation Award)”。作为全球规模最大的网络技术盛会之一,今年GNTC全球网络技术大会首次开设“GNTC Awards颁奖典礼”环节,由现场所有演讲嘉宾、产业专家、媒体、观众进行投票,选出具有产业创新性及代表性、能解决行业痛点、具有公众认可度的优秀解决方案,旨在向推动新一代网络技术实践与落地的行业推动者致敬。
戴尔易安信PowerEdge MX融合架构解决方案荣获GNTC创新奖(图片来源:GNTC 2018)
戴尔易安信大中华区网络产品方案销售总监何伟于会上发表了主题演讲,他表示:“随着数字经济的蓬勃发展,由不断增长的网络、业态及用户需求复杂性所引发的网络技术革命正在加速到来。下一代网络将更加智能,并开放融合。今天我们荣获GNTC创新奖的PowerEdge MX是一款敏捷、灵活、反应迅速的模块化基础设施,能够提供类似云的便利性、服务能力和经济性,并允许客户通过开放式软件定义网络解决方案在逻辑上管理和组合网络。相比于交钥匙式融合及超融合解决方案,这款‘构建’型解决方案为用户提供更高的灵活性,让客户按需部署、配置和升级软件(例如虚拟机管理程序),并进行部署后的持续生命周期管理。”
戴尔易安信PowerEdge MX模块化产品组合专为软件定义的数据中心而设计,旨在满足各种传统和新兴工作负载的需求。通过灵动基础架构的设计,PowerEdge MX打破了计算,存储和网络之间的硬性比例,将这些结构资源分解为可用于动态配置的共享池。PowerEdge MX简化了网络、存储和计算的集成,消除了线缆的成本和复杂性,并能通过无中板设计轻松管理当下和未来的网络升级。PowerEdge MX在模块/刀片级别的软件、虚拟机管理程序、计算和存储方面具有极大的灵活性,能够提供灵动架构的各种优势。
戴尔易安信PowerEdge MX产品组合包含MX7000机箱、MX740c和MX840c计算模块和、MX5016s存储模块以及多款以太网和光纤通道I/O模块,通过将强大的组件灵活搭配与整合,客户可以最大化优化资源,实现IT业务转型,并为未来技术进步提供投资保护。
戴尔易安信持续以先进的创新技术帮助客户构建面向未来的下一代数据中心。在这场全球先进网络技术云集的盛会上,戴尔易安信PowerEdge MX凭借其灵动网络架构2.0脱颖而出,获得了现场嘉宾和观众的广泛关注与认可。在融合系统中,网络的重要性不言而喻,因为它决定着计算、存储乃至整个集群的性能表现。针对于此,MX系列刀片交换机产品组合为客户提供了:
面向不同规模的客户,MX系列提供多款下一代25GbE和32G FC高性能交换模块,包括:
PowerEdge MX可扩展的灵动网络架构2.0提供跨多个机箱的低延迟25GbE连接,通过MX9116n网络交换引擎及超低延迟的MX7116n网络扩展器模块,最高可在10个MX7000机箱中无缝支持多达80个计算模块,并可通过一个面板进行统一管理。PowerEdge MX7000机箱摆脱了中板设计的诸多限制,使计算直接与I/O模块相连,从而在不中断用户操作和没有中板升级的情况下进行未来技术升级,为客户未来的业务发展与IT架构扩展准备就绪。
管理方面,MX以太网交换模块支持 ONIE,因此客户可以选择安装戴尔易安信OS10企业版,或是采用丰富的开放网络生态系统中其他合作伙伴的操作系统。值得一提的是,戴尔易安信OS10的SmartFabric服务可在PowerEdge MX部署的每个网络中提供单一面板的管理和自动化,最高可以对20个机箱进行多机箱管理,其主要功能包括I/O聚合以简化与现有网络的连接,与服务器部署模板集成的网络部署,基于流量类型的自动网络QoS、通过单击鼠标就可配置流量优先级策略,网络范围的固件升级和配置一致性检查,以及自动拓扑验证和自动链接管理等。
开放网络的发展前景十分广阔,作为开放网络的先行者,戴尔易安信致力于探索并开发开放与融合的更多可能,来帮助客户响应数字化时代对网络提出的越来越高的要求,并解决在可扩展性和网络管理上的挑战。通过持续对开放网络产品组合进行创新研发,戴尔易安信正以丰富的领先基础设施、服务与部署选项,帮助更多的客户灵活构建面向未来的网络架构,推动网络转型,以及整个IT系统的转型。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。