印度领先手机制造商Micromax Informatics已在其新的虚拟化数据中心内部署了创新的博科以太网矩阵技术,以期支持未来几年业务的增长。
据IDC的数据显示,在Micromax等自主开发厂商的推动下,印度智能手机市场在2013年出现了出货量从2012年的1620万台增长到4400万台的激增。 Micromax也已成为印度第二大智能手机制造商,占印度全国16%的市场份额,在东南亚邻国市场也有强劲的表现。 Micromax今年还开展了俄罗斯业务,为进一步进军东欧市场投石问路。
尽管在本国以外鲜为人知,Micromax已经是全球第十大手机制造商了,每月出货超过200万台手机,其中三分之一是智能手机。但目前Micromax国际收入仍然不到其总收入的10%,公司的目标是在五年内让国际收入增至总收入的50%。 建设下一代数据中心是Micromax扩张计划的一个重要组成部分。Micromax数据中心能够支持仓库管理、工厂运营以及一个呼叫中心(过去三年,呼叫中心的席位已从50个增加到200个)。
Micromax Informatics公司首席信息官Atul Nigam表示:“鉴于Micromax大幅增长的步伐,树立能够从容应对新市场挑战的地位,构建一个灵活可扩展的数据中心至关重要。数据中心虚拟化显然是必经之路。因此,我们最迫切的需求就是找到一个能够支持高度运营自动化,同时灵活适应数据中心快速发展的网络基础设施。”
Micromax最终选择低延迟的Brocade VDX 6740 10千兆以太网(GbE)交换机作为其新数据中心的网络基础,这要归功于Brocade VCS Fabric技术易于配置,运营自动化,高成本效益的性能和高可扩展性等强大实力。Brocade ADX应用交付交换机也已在Micromax的新数据中心部署,用以提升应用程序性能,提高应用程序可用性,并改进安全性。
Micromax一开始是从运行在四个刀片服务器机架上的约40个虚拟机(VM)入手的。Micromax预计将在一年内扩展到100台虚拟机和10个服务器机架。Brocade VDX 6740交换机已与24个最初启用的光纤端口一起部署,如果日后需要更多服务器连接,Micromax可以授权额外8个端口,使每个交换机的端口最多达到64个。
这种灵活、高成本效益的“按需付费”许可模式让Micromax能够迅速扩展数据中心网络,应对不断变化的业务需求。也可将更多交换机加入使用4个内置40GbE连接端口的Brocade VCS逻辑机箱。互联交换机不仅能作为一个无缝以太网矩阵来运行,也能作为独立虚拟设备来运行,由于配置和监控显著简化,可降低Micromax的运营成本。
博科印度区域总监Edgar Dia表示:“按需付费的可扩展性、低运营成本以及高级网络虚拟化功能的组合,让Brocade VDX交换机成为云数据中心的卓越选择,其中就包括Micromax开发的数据中心。与传统数据中心交换架构相比,Brocade VCS Fabric技术在处理虚拟机移动性以及服务东/西大量流量方面弹性更大、可扩展性更强,并且效率更高。”
Dias补充道:“Micromax锐意进取的国际扩张计划意味着新数据中心必须根据业务在新市场的发展情况,满足快速增长的需求。部署新的博科数据中心网络基础,问题迎刃而解。一开始,它以非常合理的前期成本来部署小型Brocade VDX交换机,并且能够根据需求轻松向上扩容。”
与其它所有Brocade VDX交换机一样,Brocade VDX 6740交换机支持自动形成、自我修复的以太网矩阵。配置和设备信息将在所有交换机之间共享,允许添加或删除矩阵节点,物理或虚拟服务器将重新安置,无需手动重新配置矩阵。例如,当矩阵中加入或移除一台虚拟机时,可感知博科虚拟机的自动化网络不再需要手动配置端口,从而提高了自动化水平和运营效率。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。