5月25日,浪潮网络正式发布新一代开放网络 400G慧盒交换机。助力数实深度融合,推动智能化场景迭代创新
伴随数实融合的深入推进,数字化、智能化所构成的信息世界与现实物理世界之间朝着融合、共生的趋势发展。两者的交互也掀起新一轮的创新革命,催生出全新的产业业态,推动智算中心朝着算力多元化、巨量化方向发展。智算中心网络基础平台的建设成本、架构复杂程度以及运维管理难度,也将呈现指数级增长。浪潮网络作为云边协同智慧网络引领者,为应对智慧化变革所带来的挑战,在业界首推“慧盒”新概念,并且发布了新一代开放网络 400G慧盒交换机产品。

“慧盒”系列产品是浪潮网络专为行业数字化转型打造的,支持融合“开放+商用”双平台的新一代400G交换机产品。该系列产品具备“一平台双场景”的特性,既支持商业操作系统INOP,也支持基于开源SONiC的开放操作系统UXOS,可在“白盒”、“黑盒”间灵活切换,尽显“聪慧”。
400G平滑升级 应对智算中心多元、巨量算力构建智能无损网络
聚焦商用市场,浪潮网络“慧盒”产品——CN9400H系列交换机,可以有效提升网络的灵活性、智慧性,帮助用户实现向400G的平滑升级。其具备以下优势:
智能无损 释放算力:采用RoCE无损网络实现以太网、IB、FC的三网融合,解决高成本、难运维的问题,提供高性能、零丢包、低时延的网络服务,成本优化近30%,性能提升20%,助推算力释放,可广泛应用于AI集群、分布式存储、集中式存储、超融合等场景;
智能调度 业务创新:CN9400H采用商用网络操作系统,适配SDN架构,支持多厂商云平台集成。实现智算中心资源池化,智能调度网络、计算、存储资源,助力客户业务创新。
AI运维 效率提升:面对云中心大规模组网管理的需求,通过统一控制平台,管理超大规模的智算中心网络设备。并基于大数据和AI技术,实现故障快速定位、秒级的网络业务调整,满足云中心业务的敏捷需求,实现整体网络的智能管控,提升运维效率。
融“慧”于内 让开放网络架构从容应对数字化、智能化场景创新
针对开放网络架构应用场景,浪潮网络“慧盒”系列产品——SC8600系列交换机,打破了传统网络的封闭生态,赋予智算中心网络智能、动态、弹性的调整能力,加速硬件迭代,推动网络应用发展,助力业务创新。SC8600系列交换机具备以下优势:
全开放,软硬件解耦:开放硬件平台,兼容UXOS、开源SONiC,及其他第三方网络操作系统。采用OpenBMC开放式框架,具备丰富的交互接口,兼容用户的管理平台。独立的诊断系统,支持跨平台快速移植,覆盖交换机组件的故障检测、智能诊断;
高性能,灵活可扩展:单芯片架构,25.6Tbps的交换容量,64 MB片上缓存,支持动态缓存管理;具有4个超低时延转发接口卡槽位,支持400G接口板或100G接口板,最大可提供32个400G或128个100G端口。
高可靠,智能防护:支持关键部件侦测、软件关键进程监控、内存纠错、双Flash冗余切换等多种故障预防机制。支持异常掉电保护、I2C故障隔离与恢复、端口过流保护等多种故障隔离及恢复机制。
浪潮网络作为云边协同智慧网络引领者,一直致力于成为客户数字化转型、业务创新发展值得信赖的合作伙伴。凭借在高性能云中心网络、多模态边缘网络方面的优势,面向云计算、大数据、人工智能、工业互联网、开放网络等场景,提供“云-边-端”一网覆盖的智慧联接解决方案。此次发布的新一代开放网络 400G慧盒系列产品,进一步加强了浪潮网络在云中心上的智慧创新力,助推客户数字化、智能化场景创新。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。