Emulex日前宣布推出全新10GBASE-T以太网适配器,进一步提升其在PCI Express(PCIe)3.0系列产品的市场领先优势。Emulex全新OneConnect OCe14102-NT 10GBASE-T以太网适配器可为10GBASE-T市场提供高性能企业级功能,帮助客户有效利用现有低成本铜缆基础架构。Emulex还宣布,新发布的Demartek评估报告证实,与最新一代Intel以太网适配器相比,Emulex OCe14000系列以太网适配器在性能、架构和向后兼容性方面具备显著优势。
10GBASE-T标准专门为10GbE流量在低成本CAT-6和CAT-6A铜缆上运行而制定。凭借其最远可达100米的覆盖范围,10GBASE-T在连接服务器与架顶式交换机方面极具经济效益。随着最新一代x86服务器的推出,Emulex OCe14000系列已取得全球范围内十数个服务器、存储和系统供应商的广泛支持。Emulex OCe14102-NT以太网适配器除了保留这些现有功能,还提供了两个端口的低成本10GBASE-T。
Emulex市场营销高级副总裁Shaun Walsh表示:“我们全新的10GBASE-T适配器系列在价格和性能方面确立了新的领先优势,进一步扩展了Emulex在10GbE市场的产品库,并持续为渠道合作伙伴和企业提供所需企业级功能,包括覆盖网络和高性能存储卸载以及对PCIe 3.0的全面支持。正如Demartek评估报告所述,与全新Intel X710 10GbE和XL710 40GbE适配器相比,Emulex以太网和聚合网络适配器具有显著的性能和功能优势。全新的PCIe 3.0 10GBASE-T以太网适配器进一步提升了我们高于竞品的优势,也成为客户选择Emulex用于以太网连接建设的又一原因。”
Emulex近期委托第三方测试实验室Demartek将Emulex OCe14000系列以太网适配器和最新的IntelX710 10GbE、XL710 40GbE适配器进行比较。此次评估的四个主要结论包括:
• Emulex OCe14000系列的10GbE和40GbE网络适配器可提供高达5倍于Intel X710/XL710适配器的小数据包处理性能(基于RFC2544测试);
• Emulex OCe14102 10GbE网络适配器的平均传输控制协议(TCP)延迟比Intel X710适配器低62%,平均用户数据报协议(UDP)延迟较后者低55%;
• 当前,Intel X710/XL710适配器缺乏高性能虚拟化数据中心和云网络环境所需的功能,比如虚拟可扩展局域网(VXLAN)覆盖网络硬件卸载、针对VMware的单根I/O虚拟化(SR-IOV)支持以及远程直接内存存取(RDMA)支持;
• Intel X710/XL710适配器采用全新i40e驱动程序架构,该架构与上一代Intel IXGBE NIC驱动程序并不兼容。
Demartek创始人兼总裁Dennis Martin指出:“随着企业扩大对虚拟化云环境、以网络为中心的应用以及复杂网络拓扑的部署范围,网络基础架构的重要性不断增强。为充分利用这些环境,对覆盖网络协议卸载、单根I/O虚拟化以及基于聚合以太网的远程直接内存存取等高级性能的支持变得越发重要。最新一代Intel以太网适配器在这些功能上的缺乏以及我们测试所示两者性能差距均表明,Emulex OCe14000系列以太网适配器是数据中心和云环境的最佳选择。”
除了Demartek报告提出的性能和功能优势,Emulex OCe14102-NT以太网适配器还为低成本10GBASE-T部署提供了Emulex智能卸载功能。Emulex硬件卸载最高可将每台服务器的总服务器功耗降低50瓦,服务器I/O工作负载的降低也提升了服务器CPU可用性1。对大型数据中心而言,与不具备卸载功能的以太网适配器相比,这个性能可以显著降低功耗和冷却的运营支出(OPEX),同时提高每台服务器的工作负载密度。从即日起,客户可通过Emulex的全球分销商和经销商网络购买Emulex OCe14102-NT以太网适配器。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。