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
2025年底,OpenAI发布了一份名为《企业AI现状》的年度报告,这份报告汇集了超过100万家企业客户的使用数据,以及近9000名员工的调研反馈。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
迪士尼与OpenAI达成三年合作协议,授权200多个迪士尼、皮克斯、漫威和星球大战角色用于Sora视频和ChatGPT图像生成。迪士尼将向OpenAI投资10亿美元股权,成为其主要客户。协议明确不包含真人演员肖像和声音授权,仅限动画版本角色。同时迪士尼向谷歌发出停止侵权通知,要求停止基于其IP生成内容。这标志着娱乐巨头积极拥抱AI技术变革。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。