作者:戴尔易安信大中华区VMware与超融合解决方案总监吴云飞
有谁不喜欢坐云霄飞车的感觉?在堪称工程壮举的过山车上冲向高空,以风驰电掣的速度向前飞驰。如果说在2016年和2017年我们见证了超融合基础设施(HCI)跨越了“客户采用”的第一座大山,那么在2018年该行业正开始全力冲刺,超融合基础设施市场以同比70% 的惊人速度持续增长。在我们出色的客户及合作伙伴的支持下,戴尔易安信能够在竞争激烈的市场中位居首位——在全球超融合系统收入中排名第一,并以超过市场两倍的速度持续增长,更不用说VxRail仅用10个季度就实现超过10亿美元的总收入。
当我们一起冲刺的时候,在弯道附近还有许多的惊喜在等着我们!比如,日前在于巴塞罗那举办的VMworld欧洲大会上,我们高兴地宣布推出一系列全新功能特性和选项,旨在转型超融合基础设施网络,并使通往VMware云的路径变得更轻松。
我们来看看其中的亮点:
接下来,我想和大家分享一下为什么我认为这些功能提升对于我们的客户来说将是变革性的。其实这并不是我一个人的看法,VxRail产品技术专家Jeremy Merrill 曾通过线上直播来帮助客户充分了解如何利用VxRail的新功能。
首先,连接问题和糟糕的网络性能,以及在第一天设置网络的困难,是考虑选择超融合基础设施时首先要面临的性能和操作问题。与所有超融合基础设施设备一样,VxRail需要BYO网络。对于那些选择戴尔易安信网络的VxRail客户来说,SmartFabric服务通过减少98%的网络配置和管理工作让联网变得更加简单,可实现几乎零接触的网络部署和VxRail集群管理。这不仅简化了首日的操作,而且因为客户现在能够在可预测、可重复的超融合基础设施和网络架构体验中工作,其业务上的风险也可以通过支持一个VxRail集群而降低。
戴尔易安信和VMware的合作比以往任何时候都更加紧密,双方不断对联合开发的产品进行大量投资。首先,我们来预览一个即将问世的热门技术:VxRail with VMware Cloud Foundation——唯一一个与VMware Cloud Foundation全面集成、联合开发的超融合基础设施设备。将VMware Validated Design on VxRail的优势与VCF的自动化功能相结合,VxRail with VCF将提供无缝的客户体验,并自动部署符合VVD标准的SDDC架构、全端到端硬件/软件栈的LCM,以及各种网络选择。这是部署基于超融合基础设施设备的软件定义数据中心的最简单方法,该数据中心具有企业级功能,风险较低。
与此同时,我们凭借VxRail与vCenter之间的高度集成取得了一些新进展。通过vCenter,VxRail将很快实现100%运行透明度。因此,如果你是已在vCenter上进行标准化的500,000个vSphere客户之一,你将能够从熟悉的界面访问所有VxRail Manager功能。
戴尔易安信与VMware之间的紧密协作让我们能够为最新的VMware技术提供一条快速、轻松的消费路径,比如我们正在交付的VxRail和VMware软件同步版本。现在,VxRail不仅能够减轻客户管理生命周期的负担,而且还打包提供更新,帮助客户平稳地从一个已知的良好状态过渡到下一个已知的良好状态,并保持与VMware发布的新软件同步。
此外, VxRail的Project Dimension还提供一种新的转型功能,它将超融合基础设施和完全托管服务方法相结合,从而降低分布式基础设施的成本和复杂性。Project Dimension提供边缘和数据中心基础设施即服务,把VMware领先的计算、存储、网络解决方案与戴尔易安信VxRail超融合设备整合为一个由VMware管理的服务。这项VMware云服务推动业务加速创新,同时提供企业级安全性并降低运营复杂性。它通过零接触配置、企业级安全性以及从边缘到云的轻松连接,为拥有远程分支机构的企业提供一条加速边缘创新的简单路径。
我们与VMware的卓越共赢的进程并没有止步于生产负载,我们还将VxRail与VMware站点恢复服务相结合,为VxRail客户提供灾难恢复即服务(DRaaS)。通过VMware站点恢复服务,VxRail客户可在灾难发生时,通过全面、简单且可靠的一键恢复,把故障转移到VMware Cloud on AWS。VMware vSAN的操作一致性为VxRail和VMware Cloud on AWS提供动力,得益于此,VxRail客户可以获得弹性和云简洁性,以及VxRail所提供的本地简洁性和高性能。通过紧密的集成,以及推出适用于从核心(例如SAP HANA和vSAN)、边缘(Project Dimension)到云(例如VxRail with VCF)的最新VMware技术的快速、轻松的消费路径,VxRail和VMware实现了卓越共赢。
如果把企业比作一辆在曲折的市场中快速前行的快车,企业的IT基础架构就是支持这段路程的轨道。数十年来,企业往往满足于用简易的木桩轨道颠颠簸簸地抵达目的地。戴尔易安信和VMware联合开发的VxRail提供了一个将基础设施体验升级到业界翘首以盼的流畅、现代金属轨道的机会。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。