基于VMware vSphere和vSAN的戴尔易安信VxRail支持任务关键型超融合基础设施环境
中国北京——2018年10月24日,戴尔科技集团宣布,基于VMware vSphere和VMware vSAN软件的戴尔易安信VxRail超融合基础设施设备获得SAP HANA生产环境认证。VxRail设备和VMware软件的认证,印证了戴尔易安信和VMware在高速增长的超融合基础设施行业中持续保持领先地位。
根据IDC的最新调查显示,在2018年第二季度,戴尔公司以28.8%的市场份额再次成为超融合系统领域的第一大厂商,同比增长95.2%。在戴尔易安信VxRail大获成功的驱动下,戴尔的增长速度超过整个行业,本季度系统销售额增长78.1%,达到15亿美元。与此同时,VMware在超融合系统软件领域中位居并列第一,收入份额达到34.1%,同比增长96.7%,是所有厂商中增长速度最为迅猛的。
戴尔易安信VxRail是业界唯一一款与VMware联合设计的交钥匙式且完全集成的超融合基础设施设备,由VMware vSphere和VMware vSAN提供支持,并且在最新戴尔易安信PowerEdge服务器上经过预先测试和配置。通过与现有VMware工具的无缝集成,这些设备是为超融合基础设施而简化VMware环境最简单、最快的方法。通过经济高效的超融合基础设施解决方案,VxRail提供了简洁的生命周期管理和可扩展性,该解决方案提供了多种计算、内存、存储、网络和图形选项,以匹配任何用例并涵盖各种应用和负载。
VMware首席运营官Sanjay Poonen表示:“客户现在可以从领先的超融合基础设施厂商戴尔易安信和VMware这里获取全面集成堆栈的运营优势,以支持其关键任务,以及对性能要求极高的SAP HANA环境。VMware很荣幸能够与全球领先的应用公司SAP合作,为客户提供更安全、更灵活的数字化基础,帮助客户增强可持续的竞争优势。”
戴尔易安信资深副总裁兼VxRail总经理Gil Shneorson表示:“戴尔易安信VxRail让利用超融合基础设施进行IT转型变得尽可能简单,以便客户采用并实现增长。随着越来越多的客户将VxRail用于核心数据中心负载,这项认证使得为内存数据库应用构建的VxRail成为SAP HANA客户卓越的超融合基础设施解决方案。”
SAP HANA技术创新网络负责人Martin Heisig表示:“SAP与VMware和戴尔易安信长期合作,共同帮助客户实现业务转型。今天这一消息凸显了戴尔科技集团和SAP所提供的技术深度和广度,使公司能够以更高的灵活性、高度可用性、更低的成本和轻松的配置来优化其SAP解决方案。”
VMware的软件已经成为集成化的数字基础架构,为企业和行业的应用程序和服务转型赋能。
很多客户已在考虑将业界领先的虚拟化产品VMware vSphere上的高可用性(HA)、容错功能(FT)与vSAN超融合软件的可适性和出色性能相结合,该认证将进一步简化超融合基础设施的运维成本,并节省了针对人工智能(AI)、机器学习(ML)、大数据、云原生、内存运算、关键任务和3D图形运算在内的各种负载上的资本支出。如今,超过60%的vSAN客户在其超融合基础设施环境中运行关键应用,如SAP NetWeaver解决方案、SQL Server、Oracle,以及越来越多的容器化和大数据负载。
SAP认证流程现已确认VMware vSphere和vSAN软件可在基于英特尔至强可扩展处理器的SAP生产环境上运行,其中包括纵向扩容和多虚拟机的场景。通过VMware和Virtustream之间的协作,vSphere还支持在四路服务器硬件上运行多达6TB的虚拟机的SAP HANA环境。
好文章,需要你的鼓励
OpenAI和微软宣布签署一项非约束性谅解备忘录,修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴,其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划,需要微软这一最大投资者的批准。双方表示将积极制定最终合同条款,共同致力于为所有人提供最佳AI工具。
中山大学团队针对OpenAI O1等长思考推理模型存在的"长度不和谐"问题,提出了O1-Pruner优化方法。该方法通过长度-和谐奖励机制和强化学习训练,成功将模型推理长度缩短30-40%,同时保持甚至提升准确率,显著降低了推理时间和计算成本,为高效AI推理提供了新的解决方案。
中国科技企业发布了名为R1的人形机器人,直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破,展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场竞争进一步加剧。
上海AI实验室研究团队深入调查了12种先进视觉语言模型在自动驾驶场景中的真实表现,发现这些AI系统经常在缺乏真实视觉理解的情况下生成看似合理的驾驶解释。通过DriveBench测试平台的全面评估,研究揭示了现有评估方法的重大缺陷,并为开发更可靠的AI驾驶系统提供了重要指导。