随着人工智能和云工作负载需求的不断增长,数据中心正面临前所未有的工作负载压力。诺基亚认为,数据中心正处于关键转折点,应对这些挑战需要将网络置于数据中心架构核心的全新方法。为解决这一问题,诺基亚与超微(Supermicro)建立战略合作伙伴关系,旨在提升数据中心性能、可扩展性和自动化水平。
该合作的最终目标是帮助构建高可靠性、安全且易于操作的现代数据中心网络,以满足全球AI工作负载日益增长的需求。通过将超微的先进交换硬件与诺基亚的数据中心自动化和网络操作系统相结合,两家公司能够提供专为AI、高性能计算和云环境构建的完全集成数据中心网络解决方案。
该综合解决方案包括超微的800G以太网交换平台,集成了诺基亚的服务路由器Linux网络操作系统和诺基亚的事件驱动自动化平台,作为基础设施平台来自动化数据中心网络的全生命周期管理,从第0天设计、第1天部署到第2天及以后的日常运营。诺基亚的事件驱动自动化平台能够确保更快的响应时间、减少人工工作、最小化错误、消耗更少的计算资源,并以一致的性能大规模处理网络范围的操作。
两家公司表示,部署这些技术的结果是,终端用户将受益于预验证的一站式解决方案,该方案可缩短部署时间、降低运营成本并提高整体效率。
超微首席增长官、高级副总裁兼董事总经理陈振良表示:"这次合作为我们的客户在构建基础设施方面提供了更多选择和灵活性,并确信诺基亚的SR Linux和EDA与我们的系统紧密集成。这增强了我们为高性能工作负载提供网络计算架构的能力,同时通过统一平台简化编排和自动化。"
诺基亚IP网络部门高级副总裁兼总经理Vach Kompella补充道:"与超微的合作进一步验证了诺基亚SR Linux和事件驱动自动化是当今数据中心和IP网络的正确软件基础。这也通过超微广泛的渠道和直销网络为我们提供了进入企业市场的更大机会,符合我们在云、高性能计算和AI驱动基础设施领域扩张的战略。"
除了与超微的合作伙伴关系外,诺基亚的数据中心业务还通过与Kyndryl的项目得到提升,为瑞士电信提供商iWay现代化和自动化数据中心运营。iWay正在使用诺基亚的EDA平台和数据中心结构系统,结合Kyndryl的管理服务来完全自动化其环境、轻松推出新功能并减少人为错误。
该合作旨在提供专注于交付开放、可靠且易于操作的网络解决方案的企业数据中心能力,以满足不断发展的数字基础设施需求,并增强Kyndryl构建和运行敏捷IT基础设施的能力,该基础设施能够管理风险并集成先进技术。
iWay首席技术官Matthias Cramer表示:"EDA平台为我们提供了所寻求的简单性和灵活性,而诺基亚和Kyndryl都作为值得信赖的技术提供商,提供了实现顺畅安全网络现代化所需的可靠性和技术专长。"
Q&A
Q1:诺基亚与超微的合作能为用户带来什么好处?
A:该合作为用户提供预验证的一站式解决方案,能够缩短部署时间、降低运营成本并提高整体效率。通过结合超微的800G以太网交换平台和诺基亚的网络操作系统,用户可以获得专为AI、高性能计算和云环境构建的完全集成数据中心网络解决方案。
Q2:诺基亚的事件驱动自动化平台有什么特点?
A:诺基亚的事件驱动自动化平台能够确保更快的响应时间、减少人工工作、最小化错误、消耗更少的计算资源。它可以自动化数据中心网络的全生命周期管理,从设计、部署到日常运营,并能以一致的性能大规模处理网络范围的操作。
Q3:iWay为什么选择诺基亚和Kyndryl的解决方案?
A:iWay选择这个解决方案是因为诺基亚的EDA平台提供了所需的简单性和灵活性,而诺基亚和Kyndryl作为值得信赖的技术提供商,能够提供实现顺畅安全网络现代化所需的可靠性和技术专长,帮助完全自动化环境并减少人为错误。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。