中国北京,2022年5月11日 – 提供安全、人工智能驱动的网络领导厂商瞻博网络(NYSE:JNPR)今天发布 Contrail Networking平台(CN2和Contrail 22.1)重大升级。通过该平台,客户不仅可获得自动化的高性能可扩展云原生网络解决方案,亦可实现超大规模企业的开发运营(DevOps)效率提升。此外,CN2还可安全连接Kubernetes和OpenStack环境中的应用。
瞻博网络在2013年首次推出了Contrail,专门为基于基础架构即服务(IaaS)和网络功能虚拟化(NFV)解决大规模部署SDN的难题,而OpenStack在其中起到了编排器的作用。现在,随着服务提供商行业开始采用容器和微服务以获得更高的灵活性、敏捷性和开放性,瞻博网络全面重构了Contrail,让其变成Kubernetes原生,并成为Kubernetes的一个扩展程序。
凭借Kubernetes原生平台,CN2 为服务提供商提供混合云模式,在公有云和私有云当中实现了操作的一致性,并以更低的成本提供了更多的云创新和更高的灵活性,同时降低了复杂性。
其他资源:
发布博客:Contrail Networking – 现已新增云原生功能
产品和解决方案网页:
面向服务提供商的解决方案电信云页面云原生Contrail Networking
关于瞻博网络
瞻博网络致力于挑战多云时代网络连接和安全的复杂性。我们通过改变人们之间的联系、工作以及生活方式的产品、解决方案和服务实现这一目标。我们简化了向安全、自动化的多云环境迁移的过渡,以实现连接世界的安全、人工智能驱动网络。更多信息请参见瞻博网络(www.juniper.net)或瞻博网络在Twitter、LinkedIn和Facebook上的主页。
Juniper Networks、the Juniper Networks标识、Juniper、Junos是瞻博网络公司在美国和其他国家的注册商标。其他商标均为其各自所有者的财产。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。