VMware近日宣布扩大其云服务产品组合,帮助客户更好地管理多云环境的复杂性与风险,同时将统一IT运维从数据中心拓展至云端。
随着云计算的使用以及与云服务供应商的频繁合作,企业经历了不同基础架构、管理工具及相关流程所带来的更高复杂性与风险。VMware估计,除其本地数据中心之外,业内近三分之二的企业将使用两家以上的云服务供应商。(资料来源:VMware Cloud Market Study,2018年1月)
VMware云服务致力于让客户获得使用任意云环境的灵活性,同时提供管理与保护云的统一运维。VMware逐步扩大的云服务组合提供了跨任意云的可视性、操作性、自动化、安全性及管理性。
VMware产品与云服务首席运营官Raghu Raghuram表示:“对于支持新应用与现有应用复杂组合的需求将推动云应用,而对于各种应用的需求则将推动云决策。当客户利用统一基础架构或运维组合进行跨云时,VMware Cloud给予其前所未有的灵活性,帮助客户开发任意类型的应用,并在任意云端部署这些应用,将其分发给任意设备。”
扩大后的VMware云服务产品组合可使各组织机构自由地使用最适合其业务的云环境,且不会增加风险与复杂性。通过把统一运维从数据中心拓展至云端,VMware将针对云使用、基础架构成本、网络性能、详细的应用监控与分析提供端到端的可视化,并在公有云之间与本地环境下实现更高安全性。
宣布的内容包括:
由VMware Certified Reference Design提供支持的VMware Cloud Provider平台是VMware业经测试、验证且高度可扩展的重要产品,用于提供至关重要的云服务供应商功能(例如多租户、自助式、可扩展的框架),并测定VMware环境,支持云服务供应商借以推销差异化服务。利用最新发布的VMware vCloud Director 9.1,云服务供应商可以将各种服务与定制工作流及用户接口(UI)可扩展性相集成,进而创造新的商业化机会;利用多站点视图与旨在简化用户体验的增强型门户来简化管理并提高运维可视化;利用新的编程接口与Kubernetes即服务功能而向开发者开放,进而以DevOps为目标捕获新的工作负载。
此外,通过实施Certified Reference Design,各合作伙伴现可获得VMware Cloud Verified标识。随着客户应用组合的转变以进入多云、多设备的世界,VMware Cloud Verified标示出了面向客户推动创新、提高效率与降低成本以加快业务增长的云服务供应商,这些供应商顺应多云、多设备环境,进行了产品组合的转变。VMware Cloud Verified标识为客户提供值得信赖的云服务供应商,这些云服务供应商正在采用最完整、最先进的VMware技术,提供跨多云的最高级别互操作性,为企业带来最大的优势。
同时,VMware宣布在AWS欧盟区(包括伦敦)推出VMware Cloud on AWS。此项公告拉开了VMware Cloud on AWS全球扩张的序幕,让欧洲与跨国客户也能够使用VMware Cloud on AWS。VMware还推出了多项新功能,用于提高基础架构可用性水平,提升存储效率,并与更多的VMware Cloud服务相集成——支持客户加速云迁移,简化混合云部署。VMware还为“VMware合作伙伴网络”增添了新力量,支持系统整合商与系统外包商(SISO)合作伙伴、托管服务提供商以及解决方案提供商借助VMware Cloud on AWS壮大其混合云业务。
好文章,需要你的鼓励
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。