至顶网服务器频道 05月24日 新闻消息: Citrix的Synergy大会将于本周二在佛罗里达州奥兰多市开幕,专注于安全和移动这两个大主题,因为Citrix持续在引领着从内部部署向云服务的技术转型。

在过去几年中,Citrix一直忙于业务转型以适应云计算的新现实情况,同时应对一些重大的领导层变动。Synergy将强调内部部署和云解决方案能力以实现Citrix一直做得很出色的一件事:提供对IT资源的远程访问。
"当企业发生快速变革及企业对数据泄漏的担忧,Citrix看到了自己在实现家庭办公和移动办公相关技术方面具有的竞争优势。"Citrix产品营销副总裁Calvin Hsu表示。
Synergy的主题将是"未来办公",Hsu说--特别是企业如何加入数字业务项目,更好地让客户融入其中,使得企业员工在任何地方通过任何设备安全地办公。
Citrix将把虚拟化产品在安全方面的优势作为一大重点,强化"企业政策、法规、合规性举措以及从整体上确保企业数据的安全"。以自动化的方式,利用分析,让这变得更高效,IT变得更有战略性,而不是对业务运作的战略反应。"
从产品的角度来看,Citrix的重点是Citrix Workspace,一个结合了Citrix多个虚拟化产品的集成平台:XenApp、XenDesktop、XenMobile以及用于数据共享的ShareFile。
据悉,Citrix将在这次大会上展示Workspace的最终用户新体验,增加了关于客户想要使用的各种设备、应用以及访问场景的上下文方面。另外,Citrix的高管们在这次大会上所做的主题演讲,把重点放在了三个方面:应用、数据、网络。
"我们强烈地感受到所有这些都需要深度覆盖,以打造一套真正的解决方案,"Hsu这样表示。
Citrix合作伙伴称,他们希望看到Workspace的更新,部署在内部环境或者在Citrix Cloud上。
Envision IT是一家位于威斯康辛州麦迪逊的合作伙伴公司,该公司总裁Nancy Pautsch表示,Envision IT最近几年很好地将自己的技术紧密地与自己渠道目标想相契合。
在包括首席执行官Kirill Tatarinov等新高管层带领下,Citrix一直"非常专注于安全数字工作空间以及最佳的用户体验,"Citrix需要"让他们的产品更强大、更优秀,而不是试图成为满足所有人的一切需求。"
Pautsch希望更详细地了解Citrix此前技术是如何适配云的,特别是最终用户体验和安全性。还希望听到更多关于Unidesk集成的信息,后者是Citrix在今年年初收购的应用分层技术。
"他们正在专注于提供最重要的东西,至少是对我们的客户来说。他们所定义的、以他们的节奏上云所需的灵活性。"但是今年,重点不是"新方向",Pautsch说。"而是旧的Citrix经常会有新的方向。"
Citrix并不需要一个方向,她说,因为Citrix已经走在了行业发展的前沿,Citrix要做的就是提高产品质量和加强功能特性。
Forthright是一家位于佛罗里达州米拉马尔的Citrix合作伙伴公司,该公司销售和营销总监Carl Gersh表示,这次大会将帮助合作伙伴更好地理解"Citrix Cloud的故事和定位"。
虽然Citrix Cloud最近三年一直有各种定位,但是该产品最终在市场中赢得了关注,特别是那些正在考虑混合型环境的客户。
"今年我们开始看到一些真正的进展,"Gersh说。
Citrix很明智地强调了安全性这个重点--一个经常被低估但是至关重要的技术,在过去并没有得到足够的重视。
虽然Synergy是围绕最终用户的大会,但合作伙伴也希望听到更多关于精简今年开始的各种项目激励措施的信息,以及Citrix想如何进一步改善与解决方案提供商的协作。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。