VMware公司已经公布了一套新的vSphere beta测试版本,不过与此前的新版本不同,这一轮更新并不属于过去那种大刀阔斧式的改动。
虚拟巨头在声明中指出,“这一beta测试计划与以往计划有所不同,因为其并不限于特定版本或者发行版。”
“我们目前正在与新的beta社区共同推进这一beta测试计划,并将继续推出vSphere的多种发行版。参与各方将陆续迎来新的功能与特性,且同时可以为我们提供相关反馈。”
千万别被这看似庞大的工作量所吓倒,因为:大家将可自由选择“在VMware托管环境中利用预定义工作流”测试托管vSphere。另外,虚拟巨头也将继续提供其内部安装版本。
VMware公司之所以选择这样的方式,是因为其承诺对vSphere on AWS服务进行频繁更新。正如该服务在常见问题条目当中作出的解释,“运行在AWS上VMware云中的ESXi可能会更为频繁地进行更新,从而保证客户能够定期享受到服务增强功能。”
而这也正是当前云服务当中最具吸引力的核心特性!
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。