ZD至顶网服务器频道 09月02日 新闻消息:据虚拟巨头VMware负责vCloud Air产品开发和运营的高管Ajay Patel介绍, VMware 自己的云现在进入盈利阶段,而且还衍生出其他 VMware产品可以利用的创新。
VMware从2010年左右开始就涉足云领域,当时的策略是打造遍及全球的数字谷仓,虽然用的是与第三方数据中心共存的办法,VMware当时的承诺是超级容易的混合云,原因是VMware自己的云只运行vSphere。但VMware在 2016 年初变招,收起雄心壮志,与其他觉得可利用vSphere发展赚上一把的云商家广结合作伙伴关系。
VMware 是一个市值70亿美元的公司,但这该数字与AWS、谷歌和微软三大云构建商一比就有些微不足道了。因此,VMware的反其道而行之举就有些让人懵了,但却也是完全可以理解的。就在IBM 决定了要提供托管VMware后不久,VMware即一举实现了全球性的规模,而且几乎成了理想中的最佳分销商,这样一来VMware的收敛雄心之举貌似并不是损失。
记者在本周的2016年VMworld大会上了解到,IBM 是对该伙伴关系全情投入,是第一个与新的云基础(Cloud Foundation)签了优先云运营的商家。云基础提供vSphere 和vSphere即服务,以辅助混合云的建立。
Patel还表示,VMware用户要寻找不同类型的云服务,许多其他 vCloud Air网络 (VCAN) 成员公司也在蓬勃发展。有些VMware用户要的是托管云,以便在主机的数字谷仓里运行私有云。也有些用户要的是平台即服务。有些用户要的却是基础架构即服务。现有的VCAN营运云伙伴超过 4000家,Patel和 VMware 首席执行官Pat Gelsinger信心十足,觉得VMware可以经营一个小而优美、但仍举足轻重的云。
Gelsinger其实曾在大会上说了好几次,指VCAN合作伙伴合在一起每年在Vmware 云相关的收入上有数十亿元的进账。AWS 和 Azure 每年的进账约为100亿美元(仍在急速上升)。假如由vSphere衍生的行业云收入是该数字的一半,VMware也就成了大云玩家了,而且是靠丰厚的软件许可证利润而成了大云玩家。
Patel表示,vCloud Air的盈利,无需来自VCAN伙伴许可证的贡献。所以 VMware 是在两方面都成了赢家。
vCloud Air仍会继续为VMware和大规模的客户提供vSphere 开发测试平台,这些客户也非常乐意提供反馈。据记者了解,vCloud Air一直在运行年底将成为vSphere 6.5的软件,即是说vCloud Air也在帮助这方面的产品开发。Patel表示, vCloud Air的灾难恢复产品已被收进新的vCloud 控制器用的vCloud 可用性软件里。vCloud 可用性软件是一款面向VCAN合作伙伴的灾难恢复即服务软件。
如此看来,VMware已经找到了一条进军云的路线,而且无需自己去做那些费力不讨好和花销大的云活计。再加上VMware手里拥有新的云基础产品,可望借其打造兴旺的混合云业务。但这并不是说 VMware认为这些是板上钉钉的事:VMware知道,各种工作负载爆棚,只有不断创新才能令vSphere更加出色;VMware在本周的VMworld大会上首次推出Cross-Cloud,向我们表明VMware确实是心怀雄图大略,业界商家亦应该谋求良策。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。