至顶网服务器频道 08月16日 新闻消息:VMware承认其核心vSphere业务正处于长期下滑态势。云计算的快速普及可能导致虚拟巨头旗下的部分资产在未来几年中逐步消亡,而Azure Stack以及容器化趋势更是突显出VMware的其它一些短板。
然而,根据VMware公司今天公布的2017年第二季度初步统计结果,其业务正在以遍地开花的形式持续发展。
一般来讲,企业宣布初步结果的理由通常是为了防止大量坏消息直接惹毛股东。但VMware公司的情况却恰恰相反——其第二季度表现出色。预计其本季度营收约在18.94亿美元到19.06亿美元之间,相较于2016年第二季度增长11.9%到12.6%。第二季度的许可营收预计将在7.27亿美元到7.37亿美元之间,较上年同期上升12.9%至14.4%。
因此,虚拟巨头全年发展前景看好,预计总额将达到78.30亿美元,较上年全年增长约10%。
该公司并没有对统计结果作出具体分析,但相关答案无疑会在下周的财报电话会议当中揭晓。在我们看来,NSX与VSAN将带来更多好消息,而最终用户计算销售结果同样令人满意。
该公司同时宣称将发行优先票据,其中部分收益将用于回购10亿美元自有A类股票。另外12.3亿美元则将用于偿还EMC于几年前发行的部分本票。
在非财务新闻当中,VMware公司宣布其于2017年5月对Apteligent的收购已经取得了回报——目前Apteligent已经正式被纳入VMware服务。另外公布的四份新报告分别探讨了操作系统性能追踪、创建详尽端点列表、测量应用程序加载时间并追踪用户体验,以及衡量“应用程序延迟对参与度的影响”。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。