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
软银集团已完成对OpenAI的400亿美元投资,向其转账225亿美元。此次投资使软银获得约11%的OpenAI股份,成为仅次于微软的第二大投资者。OpenAI将利用这些资金推进Starlink数据中心项目,计划到2029年在美国部署100亿瓦的计算能力。为完成此次投资,软银出售了部分投资组合资产,包括英伟达和T-Mobile股票,并以ARM股份作抵押获得贷款。
MBZUAI和法国综合理工学院联合开发的SchED算法能让AI写作速度提升3-4倍。该算法通过监测AI生成文本的置信度,采用进度感知的动态阈值策略,在保持99.8%-100%原始质量的同时显著减少计算时间。实验覆盖多种任务类型,证明了算法的有效性和鲁棒性。
TrendForce将2026年笔记本市场预测下调至1.73亿台,同比下降5.4%。报告指出,若内存短缺未改善,下滑幅度可能达10.1%。尽管面临挑战,苹果预计将在2026年春季推出低成本MacBook,并凭借供应链效率和规模优势减少影响。IDC警告称,由于AI数据中心需求激增导致内存芯片严重短缺,PC出货量可能下滑9%,平均售价将上涨4-8%。
西安交通大学研究团队发现,AI视觉语言模型容易受到功能词(如"是"、"的"等)的干扰而遭受攻击。他们开发了功能词去注意力(FDA)机制,让AI减少对这些词汇的关注。测试显示,该方法可将攻击成功率降低18%-90%,而正常性能仅下降0.2%-0.6%。FDA无需额外训练即可集成到现有模型中,为AI安全防护提供了简单有效的解决方案。