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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。