2022年7月5日 - 以太网测试和测量行业的领导者思博伦通信(伦敦证交所上市代码:SPT)今天宣布,思博伦通信与新华三集团合作,成功完成了交换机800G接口互联测试项目,其中对于单通道112G连接技术的测试,充分验证了交换机在高速率接口上的容量突破,刷新了高速以太网交换容量的新标杆。
当前,数字化转型不断加快,高密度应用爆发式增长,使得云网络数据流量激增,电信运营商、数据中心和云服务商都在面向下一代超大规模云骨干网,进行技术和服务储备,以应对急速增长的需求。800G高速以太网,已成为业界打造容量更高的下一代以太网的技术共识。而对于数据中心网络来说,未来以太网交换机的发展方向依然是不断提升交换容量,同时降低连接器成本,本次项目验证的单通道112G高速以太网技术,为未来光模块的提速和降低成本提供了高可行性方案。
本次项目采用思博伦Spirent TestCenter 800G测试解决方案,对搭载了目前业界最高容量交换芯片的交换机进行验证,该芯片的交换容量为业界最高,接口采用最新的QSFP-DD 800G可插拔接口。同时,本次项目试用了业界多厂家的单通道112G速率的QSFP-DD 800G和QSFP-DD光模块和DAC直连电缆。单通道112G的连接器技术,采用56G波特率和PAM4编码方式,这是目前单通道最高速率以太网互联方案,对于光模块和直连电缆都是比较大的挑战。
测试结果表明,无论是高容量交换芯片、高速率接口,还是高容量互联方案,都具有超高的可用性,基于802.3ck 112G通道技术的PHY和连接器的互通性和通道质量得到充分验证。
思博伦Spirent TestCenter 800G测试仪作为本次项目流量发生仪器和接口互联测试设备,对800G连接器、交换芯片以及交换机设备进行了集成测试。作为800G的测试仪表,Spirent TestCenter 800G测试仪集成了一层测试功能,包括FEC、误码率、PRBS等,同时集成了Spirent TestCenter强大的基准测试和网络协议测试方法。这次测试从交换机、连接器和测试仪表都属于全球领先水平,也进一步验证了Spirent TestCenter在800G高速率以太网测试领域的先进性。
新华三集团交换机产品线总经理兼首席产品经理李玉涛表示:“单通道112G高速连接技术具有极大的挑战性,但在本次高规格测试的严格验证下,超高容量800G以太网方案的可行性得到了证明,并且制定了800G的测试标准,为800G交换机测试、生产、装配打下了坚实的基础。这次测试说明新华三拥有成熟专业的112G 高速信号的综合测试能力,以及与合作伙伴共同实现业界先进的测试系统和可靠的实现方案的能力,体现了新华三在数字化基础设施领域的技术实力。”
思博伦通信大中华区总经理刘勇指出:“很高兴能在这个项目中和新华三携手验证800G高速以太网的多个突破性技术方案,很多思博伦合作伙伴都在提前筹备800G下一代以太网,相信能在本项目中收获更多信心。思博伦将以领先的测试方案,助力加快高速以太网的演进,并见证更多800G以太网的技术和性能突破,刷新更多记录。”
关于Spirent TestCenter的详细信息,请访问http://www.spirent.cn/products/testcenter.
关于思博伦通信
思博伦通信(伦敦证交所上市代码:SPT)为下一代网络和设备提供测试、评估、分析和保障解决方案, 为高速以太网、定位、移动网络基础架构、安全、5G以及业务保障市场提供产品、解决方案和服务。凭借在全面自动化测试和自发服务保障的持续创新,思博伦可帮助联网设备、网络设备和应用从实验室尽快应用到运营网络。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
清华大学研究团队开发出CoIRL-AD自动驾驶新框架,让AI同时具备模仿学习和强化学习能力。该系统在AI内部设置两个"驾驶员",一个负责模仿专家行为,另一个负责探索试错,两者通过竞争合作机制共享知识。实验显示,新系统碰撞率比传统方法降低18%,在罕见场景和跨城市部署中表现更优,为自动驾驶技术提供了新的学习范式。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
UC圣地亚哥与英特尔联合研究提出AT-GRPO算法,首次实现多个AI系统的有效协作训练。该方法让AI团队在真实协作环境中学习,而非单独训练后组合。实验显示,在复杂规划任务中,AI团队成功率从单体AI的14-47%提升至96-99.5%,编程和数学推理任务也有显著改善。这项突破为软件开发、教育、科研等领域的AI应用开辟了新路径。