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
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。