至顶网服务器频道 08月24日 新闻消息: VMware公司更新了其Workstation与Fusion桌面管理程序,现在分别为版本14与10。不同于我们印象当中呆板固化的形象,此次最引人注目的新功能是Workstation中的网络延迟模拟器。该工具能够让用户通过添加潜在因素或其他负面网络条件以重现虚拟网络当中的常见问题,从而更好的测试虚拟机在现实环境将提供怎样的实际表现。
Workstation还迎来了对Windows 10 Fall Creators Update、Ubuntu 17.04与Fedora 26加以托管的能力。并且在此次升级后,Workstation可以模拟UEFI与Windows 受信平台模块。现在,Workstation还能够在虚拟机内部运行Hyper-V,这将有助于相关工作人员在Windows虚拟机上开展工作。
此外,应用程序也在以.OVF与. OVA文件形式处理虚拟机编码方面做出相应优化,这意味着其与vCenter Server Appliance的协作将更为简便。
另一在更新在于添加了一项通过vCenter或ESXi以完成虚拟机启动与关闭的功能。vSphere的新版HTML5界面除了美观之外,还能充分满足管理员市场对于更多精细工具的需求,而添加此项功能可以让Workstation成为一款更加完善的远程管理工具。该项功能还意味着虚拟管理员能够在Workstation界面保持相对较长的工作时间,而无需频繁打开新工具。
Workstation 14的完整版本定价为249.99美元,而Player--一种设计为能够让虚拟机以运行于桌面且无需管理权限的形式--定价为149.99美元。
运行于Mac上的Fusion现已获得了一个API,因此用户将可对其进行编程。这对VMware而言尤为重要--许多开发人员开始采用Docker或Vagrant,然而在构建测试环境时,这些工具需要应用甲骨文的VirtualBox。所以如果使用Mac的开发人员选择将API添加至Fusion,则意味着他们将可以在VMware的管理程序中完成此类构建。当然,这一方案并非免费:Fusion Pro定价为159美元,基础套餐为79美元。VirtualBox则免费提供。
在Workstation与Fusion产品线状况方面,VMware公司产品线营销经理Michael Roy解释称,去年被解雇的美国开发人员已经将相关工作移交至中国北京的一个团队。该团队已就管理程序提供了设计方案。他同时表示,负责开发这些工具的新团队在规模上与原美国团队保持一致。
Roy同时补充称,VMware仍将致力于开发这些产品,因为这两款产品与公司在两大维度上保持着充分的"相关性"。其一是VMware工作人员自己就在使用Workstation与Fusion--实际上该产品为vSphere的一个分支;其二则是VMware客户同样高度赞赏该产品,这也为其持续更新提供了充分的动力。正是这种需求创造了第二个相关点--保持良好的利润率。
Parallels方面
另一家桌面管理程序供应商--Parallels公司--也选择在今天面向全球发布其新产品。
该公司推出了针对Mac平台的Parallels Desktop 13,该版本增加了将Windows应用程序添加至Mac pro专配Touch Bar设计的能力,同时允许在Windows应用程序内使用触摸感应面板的功能。另外还新增一套画中画视图,确保用户即使在使用MacOS时也能够在自己的Windows中查看多个虚拟机。
该公司还推出了一套商业版本。对此,该公司表示:"IT管理员可以交付、锁定并保护一套隐形化的Windows虚拟机,并利用运行Mac Dock上选定的应用程序。"这样的操作方式听起来确实相当方便。
好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。