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
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。