思科已与英伟达和VAST Data结成联盟,推出安全AI工厂——这是一套专为企业AI应用设计的服务器、GPU和存储设备组合方案。
这些安全AI工厂与戴尔的AI工厂类似,都属于融合基础设施(CI)形式,将供应商的产品整合到单一SKU中,为客户提供便利。思科在融合基础设施领域已有多年经验,曾与EMC、VMware合作推出原创的机架级Acadia VCE系统。思科还利用NetApp存储构建了名为FlexPods的类似系统,以及与Pure Storage合作的FlashStacks。其模式一直是将第三方存储与思科UCS服务器和网络产品相结合,以与戴尔、HPE、IBM等服务器系统供应商竞争。现在,思科正在与VAST Data存储重复这一模式。
思科计算业务高级副总裁兼总经理Jeremy Foster表示:"智能体AI有潜力为全球企业释放AI价值。从聊天机器人发展到能够帮助解决真正业务挑战的智能体是革命性的,但前提是企业能够在正确的时间有效利用正确的数据。思科、英伟达和VAST正在合作,为客户提供释放数据价值的简单路径。"
AI POD是思科安全AI工厂概念中的基础设施组件。AI POD是整个工厂方案中的所谓原子单元:
思科的UCS服务器包含英伟达的RTX PRO 6000 Blackwell服务器版GPU,专为AI应用和智能体使用而定位。AI POD存储元素可以由NetApp、Pure Storage或VAST Data产品组成。有两种部署选项:带有VAST Data存储的现成部署系统,以及使用NetApp、Pure Storage或VAST Data存储的模块化自建基础设施变体。
VAST表示,AI POD可与其InsightEngine配合使用,声称其AI OS软件栈拥有比NetApp或Pure Storage更多的AI相关组件。VAST称,思科的安全AI工厂蓝图"扩展到新的用例,包括通过更快的数据提取和检索来加速检索增强生成(RAG)管道。"
VAST Data战略联盟副总裁John Mao表示:"通过将VAST Data InsightEngine集成到思科与英伟达的安全AI工厂中,我们为企业提供了首个大规模RAG加速的集成设计。"
VAST表示,它将是首个与思科AI POD集成并为企业客户提供英伟达AI数据平台参考设计的供应商。据介绍,客户将通过将RAG管道延迟从分钟级降低到秒级来获得更快的请求响应时间,实现近实时AI响应。他们还应该能够"通过使AI智能体持续运行、动态学习并提供情境化业务成果来实现企业级智能体AI"。该设置"释放多步推理能力,架构设计支持同时运行多个智能体和工作负载的规模化需求。"
VAST AI POD具有基于角色的访问控制和合规审计就绪功能,是"为支持企业中不断增长的用例而构建的AI服务POD系列中的首个产品。"
配备VAST InsightEngine的思科AI POD现已通过思科提供。
Q&A
Q1:思科安全AI工厂是什么?有什么作用?
A:思科安全AI工厂是思科联合英伟达和VAST Data推出的企业AI解决方案,它是一套集成了服务器、GPU和存储设备的组合方案,专为企业AI应用设计,能够帮助企业更好地利用数据释放AI价值。
Q2:AI POD在安全AI工厂中扮演什么角色?
A:AI POD是思科安全AI工厂概念中的基础设施组件,被称为整个工厂方案中的原子单元。它包含思科UCS服务器、英伟达RTX PRO 6000 Blackwell服务器版GPU,以及NetApp、Pure Storage或VAST Data的存储产品。
Q3:VAST Data在这个合作中提供了什么独特优势?
A:VAST Data提供InsightEngine技术,声称其AI OS软件栈拥有比其他厂商更多的AI相关组件。它能够加速检索增强生成(RAG)管道,将响应时间从分钟级降低到秒级,实现近实时AI响应,并支持企业级智能体AI的持续运行。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。