4月25日,紫光股份旗下新华三集团携S12500G-EF新一代绿色智能交换机正式亮相中国国际金融展。此次新华三全新推出的S12500G-EF交换机,基于高性能AI计算模块与绿色节能设计,以安全可靠、超宽互联、智能无损、绿色低碳四大集成优势,面向未来5年、10年金融数据中心的升级发展,助力金融机构夯实数字化底座能力,“架设安全泛在金融网络、建设绿色高可用数据中心”。

金融数据中心一直承载着金融业务“安全、稳定及业务连续性”的强大需求,新华三集团从筑牢金融转型与创新发展的“数字底座”出发,积极应对金融高性能数据中心建设需求及挑战,以四大创新优势引领金融绿色数据中心建设趋势。
安全可靠,关键器件100%自主创新
H3C S12500G-EF关键器件100%自主创新,有效保障数据安全的信息化建设;搭载自研软件平台Comware操作系统,在集成丰富网络特性的基础上,模块化操作系统让操作更加快捷;进一步开放架构,使其具备容器化、可编程架构等特点。主控、网板及业务板卡等关键器件具备自主知识产权,能有效保障数据安全的信息化建设,高效助力金融行业在业务架构、数据架构及IT架构的全面企业架构的数字化转型。
超宽互联,未来无缝升级800G
H3C S12500G-EF能够支持超宽400G,未来可无缝升级800G,为下一代超宽互联就绪;硬件设计具备112G Serdes传输能力,满足未来5-10年业务扩展需求;同时,在产品设计中融入了更加多元的新技术,例如M8级别低损PCB、超低损的高速连接器、悬浮高速通道设计、百秒启动、数据流量可以全加密等。
智能无损,保障金融业务“零”丢包
H3C S12500G-EF可提供高性能AI计算模块,为用户打造一个与网络深度融合、智能算法驱动的计算平台,通过自研的LossLess算法,持续感知网络及业务状态,可不断收集PFC、ECN、ROCE会话丢包率、带宽、队列等ROCE数据流,进行聚合统计,对网络进行精确流量分析、智能AI推理训练,贴合数字金融的算力需求。
同时,新华三自研无损算法适应性强,可以处理复杂的多ROCE队列混合流量场景,通过自研LossLess算法对统计数据进行精准AI模型匹配,对多条队列进行调整,解决传输拥塞,满足不同应用场景需求,实现高吞吐、低时延需求,保障现网用户业务流量“0”丢包。
通过S12500G-EF系列交换机RDMA智能无损网络功能,可有效替代传统的IB和FC网络,实现三网融合。
绿色低碳,助力数据中心PUE降低
H3C S12500G-EF整机采用绿色节能设计,每台交换机的使用碳排放量较上一代减少约58%,积极响应国家双碳战略;优化绿色选材、全新机电设计和AI精准管控性能,助力数据中心PUE降低,构建网络运营侧的绿色金融。
绿色选材:冷凝式液冷先进的散热器件选择,高效提升设备散热性能,降低功耗。
全新机电设计:采用前后风道设计,提高设备散热效率。
AI精准管控:降噪风扇搭配AI自动化算法调速,最大可降低15%的整机功耗。
深耕金融行业三十载,作为金融数字化转型的参与者和赋能者,此次新华三集团重磅发布的H3C S12500G-EF新一代绿色智能交换机,将以高性能、低碳节能的全新方式,助力金融绿色数据中心建设,进一步筑基数字金融底座建设。
未来,新华三集团将继续秉承“云智原生”战略,不断探索新技术、新产品,满足金融机构数字化转型发展的需求,为其提供更加便捷高效、安全可靠的数字化解决方案,助力金融科技转型纵深发展。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。