400G全场景光模块白皮书
5G时代见证了新服务的出现，对网络的带宽、并发率和实时性提出了更高要求，网络流量年均增长率仍保持在26%的高水平。
随着流量增长，网络带宽需求激增，推动了从100GE向400G的转变。
400G时代，网络对高性能、高带宽的需求日益凸显，其在数据中心、城域网、长距离传输网络中扮演着核心角色。
通信网络标准不断进步，国际标准组织IEEE、ITU、OIF相继发布了400G相关标准。
IEEE802.3bs（400GE标准基准）于2017年完成，ITU-T SG15定义了超越100G OTN的标准化，OIF也从客户端到线路端发布了400G互连白皮书。
400G是下一代主流端口技术，显著提高网络带宽和连接利用率，有效应对数据流量的爆炸性增长。
数据中心网络面临东西向流量快速增长的挑战，云计算渗透加速对高速光模块的需求。
传统数据中心采用10G低速光模块，云数据中心则转向100G高速光模块。
东西向流量驱动大量东西向连接，增加服务器上光模块使用率，尤其是对机器学习和人工智能服务有更高效计算和存储需求。
从2018下半年起，北美大型OTT客户推动向50G/400G光互连解决方案的转换，中国OTT客户亦开始研究400G技术。
400G数据中心光互连解决方案关注成本和功耗，采用PAM4高阶调制、更多通道、更高波特率的光电芯片等技术，提高带宽利用率和降低传输成本。
PAM4技术在每个时钟周期内传输两位逻辑信息，比特率是NRZ信号的两倍，成为400G最佳选择。
多通道架构成本效益更高，降低功耗。
基于25Gbaud/s光学芯片，数据中心100G光学模块采用NRZ信号和x4架构，未来向56Gbaud/s升级。
城域网的流量增长对光模块提出更高要求，400G光模块解决方案聚焦单位比特成本更低、可靠性更高、传输距离更长。
增加光学组件的波特率、使用更多通道、高阶调制等技术实现更高传输速率，降低单位比特传输成本。
激光二极管可靠性、热电冷却器冷凝与化学腐蚀风险、光路污染问题等挑战被重视，非密封封装技术推动激光二极管、热电冷却器、光路设计的优化。
高性能LWDM发射器与APD接收器结合，支持城域网中的远距离传输。
相干技术引入，以实现80-120km的传输，满足城域网和数据中心应用需求。
长距离传输网络采用波分复用器（WDM）相干传输技术，400G一致性解决方案的成熟推动对400G端口需求的快速增长。
网络流量、波长总数及一个网络中波长的增加，促使网络运营商采用可重配置光分插技术，灵活配置波长路径，实现点对点连接，提高网络管理和调度的灵活性。
灵活速率调制和网格技术的采用，使DWDM网络更灵活、更具弹性，支持更高效的频谱利用和传输容量。
随着需求的推动，400G光模块在数据中心、城域网、长距离传输网络中广泛应用。
技术不断进步，400G解决方案优化成本、提高效率，满足更高容量、更低单位比特成本和更低功耗的需求。
400G时代，光模块技术正引领ICT行业的发展。
【谷歌基础架构安全】Google 安全性白皮书
长久以来，各类组织一直试图通过公有云来节省费用，或增强私有数据中心的性能。
不过，组织现重点关注公有云的安全，意识到供应商可以加大在人员和流程上的投入，提供更安全的基础架构。
作为云服务先驱，Google 了解云端模型的安全隐患，却提供了比许多传统本地解决方案更出众的安全性。
Google Cloud 旨在提供比一般企业解决方案更强大的安全性。
Google 将安全视为保护自身运营的头等要务，因此，您的组织能直接受益于这些保护措施。
Google 非常重视安全，将其视为主要设计标准之一，并推动了组织结构、培训优先事项和招聘流程的发展。
安全决定着数据中心的结构和所采用的技术，以及日常运营和灾难规划的核心，包括应对威胁的方式。
同时，安全也是处理客户数据的首要任务。
Google 的帐号控制、合规性审核和提供的证书均基于此。
本白皮书概述了 Google 为 Google Cloud 采取的安全性和合规性措施。
Google Cloud 是一套公有云产品和服务。
本白皮书重点强调安全性，详细说明了与 Google 如何保护客户数据相关的组织和技术控制。
了解合规性以及满足监管要求的途径，请点击此处。
Google 的安全文化充满了活力且包容性，对招聘过程、员工入职、持续培训以及公司范围内意识提升活动影响显著。
Google 进行员工背景调查，验证个人的教育背景和工作经历，并执行内部和外部证明人调查。
根据当地劳动法或法律法规，可能进行刑事、信用、移民和安全检查。
背景调查范围由待入职员工的目标职位决定。
所有 Google 员工入职时都将接受安全培训，整个职业生涯中需要接受持续的安全培训。
新员工需要同意行为准则，其中强调了确保客户信息安全无虞的郑重承诺。
根据职位的不同，可能需要接受针对安全特定方面的额外培训。
例如，信息安全团队会指导新工程师关于安全编码做法、产品设计和自动化漏洞测试工具等主题。
工程师还需要参加安全相关主题的技术演示，并会收到涉及新威胁、攻击模式、缓解措施等主题的安全简报。
Google 定期召开面向所有员工的内部会议，以提高安全和数据隐私意识，并推动相关创新。
安全和隐私是一个不断发展的领域，员工的全力参与是提高意识的关键。
例如在“隐私周”期间，Google 会于全球办事处举办活动，以提高从软件开发、数据处理和政策执行到实践隐私原则等各方面的隐私意识。
此外，Google 还定期举办“技术会谈”，经常探讨安全和隐私相关主题。
Google 的安全团队由众多专家组成，包括信息、应用和网络安全领域的全球顶尖专业人士。
团队负责维护防御系统、制定安全审查流程、构建安全基础架构，并实施 Google 的安全政策。
团队采用商用和自定义工具、渗透测试、质量保证 (QA) 措施以及软件安全审核来主动扫描安全威胁。
安全团队成员负责审核所有网络、系统和服务的安全计划，为 Google 的产品和工程团队提供咨询。
此外，他们还负责监控可疑活动、应对信息安全威胁、执行日常安全评估和审核，并聘请外部专家进行定期安全评估。
Google 还专门组建了 Project Zero 团队，致力于向软件供应商报告错误，并将其归档到外部数据库，防范定向攻击。
除了服务于选择 Google 解决方案的用户，安全团队还参与研究和拓展活动，为互联网用户社群提供保护。
Google 隐私团队与产品开发和安全组织分开运营，但通过审核设计文档和执行代码审核参与产品发布，确保遵循隐私要求。
该团队协助发布符合强大隐私标准的产品，实施透明的用户数据收集，并为用户提供实用的隐私配置选项，同时保护所有信息。
产品发布后，隐私团队会监督自动化流程，验证数据使用是否存在异常。
此外，该团队还会开展研究，为新兴技术提供隐私理想做法方面的思想领导力。
Google 拥有一支专门的内部审核团队，负责审核全球各地安全法律法规的遵从情况。
内部审核团队会确定需要提供哪些控制、流程和系统来满足标准，并协助并支持第三方的独立审核和评估。
Google 与安全研究社区保持着密切关系，重视他们在识别 Google Cloud 和其他 Google 产品中漏洞方面的贡献。
Google 实施漏洞奖励计划，鼓励研究人员报告设计问题和实现问题，奖励金额高达数万美元。
Google 的恶意软件防护战略包括使用手动和自动扫描程序全面搜索搜索索引，寻找可能被恶意软件或网上诱骗用作工具的网站。
Google 每天保护数千万用户免受恶意软件伤害，并提供超过 125 万美元的奖励给研究人员。
Google 公开向这些用户致谢，并将他们列为产品和服务的贡献者。
安全是 Google 运营中不可或缺的一部分。
Google 实施漏洞管理流程，结合使用商业化工具和内部专门构建的工具来扫描软件漏洞，并确保软件安全性。
漏洞管理团队跟踪和跟进漏洞，记录并根据严重程度确定优先级，分配所有者，直至确认问题已解决。
Google 还与安全研究社区的成员保持良好关系，跟踪报告的问题。
Google 非常重视预防恶意软件，使用各种方法来预防、检测和彻底清除恶意软件。
Google 全力保护用户免受恶意软件和网上诱骗的攻击。
当用户访问可能被恶意软件或网上诱骗用作工具的网站时，Google 会向用户发出警告。
Google 的安全浏览技术每天检查数十亿个网址，找出不安全的网站，每天新发现数千个不安全网站。
Google 运行免费在线服务 VirusTotal，全面分析文件和网址，识别病毒、蠕虫、特洛伊木马及其他恶意内容。
Google 利用多个防病毒引擎来识别可能被防病毒签名遗漏的恶意软件。
Google 的安全监控计划侧重于从内部网络流量、员工操作以及外部漏洞知识收集的信息。
Google 的安全工程师会在公共数据存储库中置入常规搜索提醒，查找可能影响公司基础架构的安全事件。
自动网络分析会帮助确定未知威胁，并上报给 Google 安全员工。
Google 安全事件管理计划围绕 NIST 事件处理指南设计，确保快速解决安全事件。
Google 对技术平台的设计、构建和运行以实现安全操作为宗旨，使其比传统技术更安全、更易于管理。
Google 数据中心采用分层安全模式，包括电子门禁卡、警报系统、车辆进出路障、围栏、金属探测器、生物识别技术和激光入侵检测设备。
高分辨率内外摄像头全天候监控数据中心，确保安全。
Google 的数据中心提供冗余供电系统和环境控制功能，确保全天候运行和不间断服务。
Google 精心设计和构建设施以减轻环境影响，使用智能温度控制、自然冷却技术、重新设计电力分配方式，以及综合效率测量来衡量改进。
Google 的数据中心符合环境、工作场所安全和能源管理标准，并获得了 ISO 自愿认证。
Google 的服务器和网络设备是自行设计和制造的专用定制节能设备，没有非必要的组件，运行定制的操作系统。
服务器资源采用动态分配，可根据客户需求灵活扩展。
Google 精确地跟踪数据中心内所有设备在获取、安装、停用和销毁过程的位置和状态，安装金属探测器和视频监控以确保设备安全。
硬盘利用全盘加密和驱动器锁定技术保护静态数据，停用硬盘后，授权人员执行多步验证流程以确保数据已被安全删除。
Google 的 IP 数据网络由自有光纤、公共光纤和海底电缆组成，提供高可用性和低延迟服务。
深度防御策略限制外部攻击，并确保只有符合安全要求的授权服务和协议畅通无阻。
Google 的全球网络与大多数 ISP 相连，限制在公共互联网中的跃迁次数，提升数据传输安全性。
Google 的平台组件具有高度的冗余性，用于存储数据、网络和软件服务。
这种设计有助于处理错误，创建不依赖于单一服务器、数据中心或网络连接的解决方案。
Google 的数据中心分布于不同地理位置，以降低自然灾害、局部地区停电等区域性中断对全球产品的影响。
一旦发生硬件、软件或网络故障，平台服务和控制平面会自动切换，避免平台服务中断并确保持续运营。
Google Cloud 客户的数据归其各自所有，不会出于投放广告目的而扫描或出售给第三方。
客户可获得适用于 GCP 和 G Suite 的详细数据处理修正条款，说明 Google 全力保护客户数据的郑重承诺。
除非为了履行合同义务，否则 Google 不会出于其他原因处理数据。
在客户删除数据后，Google 承诺在 180 天内删除数据。
Google 向客户提供工具，便于客户在停用服务后轻松获取数据。
Google Cloud 的管理角色和权限由项目所有者进行配置和控制，确保数据私密性和安全性。
Google 评估第三方供应商的安全和隐私规范，并签署相应的合同条款以确保供应商的安全和隐私级别与其访问数据和所提供服务的范围相称。
Google 通过 GCP 访问透明度向客户提供审核日志，监控和审核员工访问。
全球超过五百万组织，包括 64% 的财富 500 强企业，对 Google 信任有加，并委托 Google 管理其最宝贵的资产——信息。
Google 持续投资平台，提供安全透明的服务，确保客户数据得到保护。
Google 的安全措施旨在保护客户数据和隐私，提供超越大多数公共云提供商或私有企业 IT 团队的安全性。
Google 投资在安全性、资源和专业知识上，使客户能够专注于业务和创新，而无需担忧数据安全。
Google 通过可靠合同承诺确保客户对数据处理方式的控制，包括不将数据用于投放广告或提供服务之外的目的。
Google 的安全措施和承诺吸引了全球大量组织的信任，超过五百万组织委托 Google 管理其数据，包括 64% 的财富 500 强企业。
Google 继续投资平台，提供安全透明的服务，让客户能够从 Google 的服务中受益。
安擎人工智能行业洞察白皮书—你想知道的人工智能知识，这里都有！
人工智能从理论走向实际应用始于1956年，达特茅斯会议提出人工智能概念，标志着该领域诞生。
经历了三个发展阶段：1）1956-1970年，Arthur Samuel的机器学习推动了人工智能的首次高潮；2）1980-1990年，专家系统的出现使得人工智能从理论走向实际应用，数学模型如多层神经网络、BP反向传播算法等取得重大突破，进入第二次高潮；3）当前，算法、数据和算力的快速发展使得人工智能在众多应用领域取得突破性进展，迎来第三次高潮。
深度学习是本轮人工智能发展的核心动力。
人工智能技术发展分为弱人工智能和强人工智能，前者表面看似智能，实则缺乏自主意识和真正的智能推理；后者是真正能思维、具有知觉和自我意识的智能机器。
目前，研究重点集中在弱人工智能上，不同技术处于不同发展阶段。
2019年，Gartner的成熟度曲线显示，更多技术处于创新触发阶段，反映出全球人工智能正不断涌现新创意。
强化学习、决策智能、可解释人工智能、边缘人工智能、量子计算等新技术登上了2019人工智能曲线。
深度学习算法通过封装至软件框架供开发者使用，软件框架为核心，负责封装算法、数据调用和计算资源调度。
当前主流训练软件框架包括TensorFlow、MXNet、Caff/2+PyTorch等。
深度学习技术已广泛应用于语音识别、自然语言处理、计算机视觉等领域。
智能语音技术包括语音合成、语音识别、语音评测，以API形式提供服务，嵌入各类产品、服务或APP中。
自然语言处理涉及语音识别、语音合成、语义理解、机器翻译，机器翻译在互联网公司中较为热门，但受限于语义理解，难以翻译复杂句子。
计算机视觉包括图像分类、目标检测、目标跟踪和图像分割四大任务，基于深度学习的应用不断成熟。
人工智能硬件方面，AI芯片、GPU服务器和云计算是计算硬件或平台的主要组成部分。
AI芯片分为通用芯片、半定制芯片、全定制ASIC芯片和类脑计算芯片。
云端AI芯片用于推断，终端AI芯片用于高度定制化的设备。
异构加速服务器如GPU、FPGA、ASIC、TPU等，用于满足深度学习的大量浮点运算需求。
人工智能应用正在推动产业数字化转型，价值创造分为自动化、智能化和创新化三个层次。
自动化提高业务效率，智能化基于认知智能技术创造增量价值，创新化重塑业务流程和产业链，形成新的商业模式。
国内AI赋能实体经济预计贡献收入超570亿元，计算机视觉产品广泛应用于账号身份认证、人流自动统计等场景，人机交互产品已实现多领域落地。
未来预测，AI芯片和异构加速硬件将成为企业落地人工智能技术的关键，人工智能产品将在不断迭代中实现更大突破，广泛应用于生产和生活。
人机混合智能将成为典型应用模式，优化过程中机器智能比例将持续增大。
5G技术的高带宽、低延时特性将拓展人工智能应用场景，边缘计算兴起使得数据更多在终端处理和应用，人工智能将广泛落地在边缘侧。
结语指出，2020年是人工智能产业落地的关键一年，技术与行业应用结合，推动企业智能化转型和生产力提升，将技术转化为规模化产品和服务，是当前人工智能厂商的价值实现。
同时，进一步提升技术能力，打造竞争壁垒成为关键。
