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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。