思科公司推出了8223路由系统的两种配置版本以及Silicon One P200芯片。这家网络设备巨头表示,这些工具将提升企业日益增长的AI工作负载需求的处理能力。
8223系统为AI工作负载提供了51.2 Tbps以太网固定路由器,P200芯片能够实现超过3 EB/s的互连带宽规模。思科表示,这些升级将允许超大规模云服务商和企业客户通过互连数据中心共享大规模AI工作负载,实现"横向扩展"。
HyperFrame Research副总裁兼网络和基础设施分析师Ron Westfall告诉Data Center Knowledge:"核心创新在于实现横向扩展架构,这使得AI集群能够可靠、安全地分布在相距数百英里的多个数据中心,这是必要的,因为超大规模云服务商在传统的纵向扩展或横向扩展方法上正面临物理空间和电力容量不足的问题。"
竞争优势
新设备直接对标Arista、Juniper、Broadcom和英伟达的竞争产品。虽然大多数这些系统主要针对单一数据中心内的扩展,但英伟达的Xpectrum-XGS同样针对横向扩展工作负载。
Dell'Oro Group副总裁兼分析师Semeh Boujelbene表示,思科专注于深度缓冲,允许存储更大量的数据包以避免网络拥塞,这是与竞争对手的关键差异化因素。
Boujelbene在接受Data Center Knowledge电子邮件采访时说:"思科的方法专注于深度缓冲设计,基于网络故障不可避免的观点……深度缓冲充当关键的缓冲器,维持性能和稳定性。相比之下,英伟达认为深度缓冲会引入不必要的延迟,应该尽可能避免。"
功耗节省和覆盖范围
思科还依靠更高的能效、长距离覆盖和增强的安全性来获得竞争优势,因为各公司正在竞相寻找增强解决方案以满足AI工作负载对功耗的巨大需求。Westfall表示,思科的新系统"解决了大数据中心迁移的关键挑战,其特点是对物理空间的巨大需求。超大规模设施现在需要数百英亩的廉价土地,而在人口密集的城市和郊区中心根本找不到这样的土地。"
思科硬件高级副总裁Rakesh Chopra表示,公司专注于在监控可用功率的同时满足需求。
"功率是行业的根本约束,"他在接受Data Center Knowledge采访时说。"这是目前推动所有决策的因素。这迫使我们跨数据中心扩展,以便继续扩展工作负载。"
Chopra表示,速度、覆盖范围和安全性将使新路由系统脱颖而出。"没有其他人拥有51.2 Tbps路由器——没有人能够达到这个水平,即使他们有了,也无法赶上,"Chopra说。
思科声称新系统相比前几代产品功耗降低了65%。"一旦竞争对手真的赶上了,它们的能效也不会接近我们讨论的水平,"Chopra说。
思科将立即开始发货新路由系统,首先面向超大规模云服务商推出。
Q&A
Q1:思科8223路由系统有什么特别之处?
A:思科8223路由系统为AI工作负载提供51.2 Tbps以太网固定路由器,配合P200芯片能够实现超过3 EB/s的互连带宽规模。其核心创新是实现横向扩展架构,使AI集群能够可靠、安全地分布在相距数百英里的多个数据中心,并且相比前几代产品功耗降低了65%。
Q2:思科的深度缓冲技术与竞争对手有什么不同?
A:思科专注于深度缓冲设计,允许存储更大量的数据包以避免网络拥塞,深度缓冲充当关键的缓冲器来维持性能和稳定性。而英伟达等竞争对手认为深度缓冲会引入不必要的延迟,应该尽可能避免,这是两种不同的技术理念。
Q3:为什么数据中心需要横向扩展架构?
A:因为超大规模云服务商在传统的纵向扩展或横向扩展方法上正面临物理空间和电力容量不足的问题。功率是行业的根本约束,推动着所有决策。超大规模设施现在需要数百英亩的廉价土地,而在人口密集的城市和郊区中心根本找不到这样的土地,因此需要跨数据中心扩展工作负载。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。