至顶网服务器频道 11月23日 新闻消息: 亚马逊网络服务(AWS)有意换掉旗下的云管理程序,消息传出后,Xen项目告诉全世界自己拥有嵌入式应用程序的美好未来。
公开发布的Xen项目11月咨询理事会会议纪要提到The Register网站报道了亚马逊网络服务公司的文件显示,云计算巨头AWS计划在所有新实例类型上使用定制KVM而不是Xen。从会议记录里可以看到,AWS的Chris Schlae发言,他解释了AWS公司的意向以及Register的有关消息里"什么是真的,什么不是"。
Register发布了两条有关消息,第二条消息引用了AWS的文件并保存了副本,以供后续消息使用。第一条消息发布后,Register曾向AWS发电邮询问AWS的云管理程序策略。但在整整12天里电邮件未获回复,如果Register的报告不正确,AWS有足够的时间要求作出更正。
我们就AWS可能想淡化该事情请Xen项目评论。Linux基金会代表Xen项目向我们发来以下内容:
AWS是Xen项目的活跃成员,也是Xen项目理事会的活跃成员。我们希望他们能够继续参与并主动作出更多有目共睹的贡献。
不幸的是,Schlaeger要求会议记录不公布他在会议上的发言內容,所以我们不知道他是如何向理事会解释AWS的意向的。
但Xen项目顾问理事会随后的邮件列表显示了理事会将如何回应AWS打算做的事情。
Xen项目看起来将会强调Xen在多云服务器和服务器虚拟化以外任务的角色。已经成为云和服务器厂商的主要产品,而现在Xen项目还在进军嵌入式、安全和汽车领域。
此博文(https://blog.xenproject.org/2017/11/21/xen-project-membership-spotlight- citrix /)是关于新的系列产品发布情况的,博文提到,"Xen项目管理程序是服务器和云供应商的主要技术,并正在嵌入式、安全和汽车等领域展示出好势头。"
博文接着援引思杰(Citrix)高级技术总监James Bulpin的话给出了Xen的优点。 Bulpin最后表示:
Xen是一个可重用技术组件,我很高兴地看到Xen在新领域里成长,例如边缘计算、汽车、航空和航天等新使用案例。 Xen具灵活性、小巧体积和独立于操作系统等特征,Xen非常适合上述不断发展的领域。
思杰公司XenServer产品管理和合作伙伴工程总监David Cottingham告诉记者,"我们没有收到XenDesktop / XenApp / XenMobile客户有关最近AWS之事的询问。"
他表示,"我们对AWS公布的消息的看法是,他们打造了一种新产品,这与他们为特定类型的工作负载而创建自己的定制芯片的举措是一致的。在基准测试方面,我掌握的资料里没有资料说KVM的性能比AWS用的Xen通用核心任务VM的性能更好。"
Cottingham 表示," AWS并没有表示他们计划停止在Xen上的投资,AWS也没说要用自己的KVM衍生产品替换所有现有的Xen产品,这一点很重要。基于KVM分支的新实例类型是全新的。"
不过AWS确实表示所有未来新的实例类型都将使用KVM。而且,由于AWS的KVM是为了在NVMe服务器上运行而创建的,这些盒子以后肯定会涵盖整个产品线,这样看来, Xen的未来在全球最大云计算商那及其他方方面面看起来都颇为严峻。
Gartner基础架构软件的研究副总裁Michael Warrilow认同这一观点。
他表示,"甲骨文已经走KVM路线了。Xen圈住了甲骨文和亚马逊的话,还是可行的。"
Warrilow表示,"而现在,我认为Xen被逼上绝境了。"
Xen至少在云和服务器虚拟化方面被逼上了绝境。但即将上线的边缘设备达数十亿,管理程序的寿命可能还是很长的,管理程序的未来也可能是美好的。
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。