为了展现对自身混合云和多云战略将赢得企业客户青睐的信心,VMware今天进一步扩大了其服务的功能和地区覆盖范围。
其中,VMware推出了一个可以原生运行在超融合硬件平台上的Cloud Foundation迁移产品。
由于未能通过自有品牌服务敲开公有云市场的大门,VMware一直致力于成为那些希望从本地环境迁移到混合云和多云环境的客户的首选提供商。据Gartner预测,到2020年将有四分之三的企业会采用混合云和多云战略。
VMware与AWS达成具有标志性的合作伙伴关系,是朝这一方向迈出的重要一步,两家厂商此后通过一系列增强型服务和围绕Amazon首款内部部署产品的合作,进一步强化了彼此之间的关系。VMware高管表示,目前有超过1000家客户正在运行VMware提供的AWS服务,并明确表示计划未来将运行在任何公有云以及主要的本地云平台上。
“关于平台的争论早已不复存在,”VMware产品开发和云服务高级副总裁Ajay Patel这样说到。“只要客户需要,在任何地方都可以部署。”
今天推出的VMware Cloud Foundation版本是在Dell EMC VxRail超融合平台上本地运行的,其重要意义在于,它是第一款从一开始就针对VMware混合云基础设施堆栈设计的超融合系统。
VMware高管表示,由于采用了一系列双方共同设计的功能例如生命周期管理和自动化,因此该集成平台要比安装在相同硬件上的标准软件速度高出60%。IDC数据中心和云研究副总裁Rick Villars表示,这款将于4月上市的平台,将为客户提供向VMware混合云服务的快速迁移。
Villars表示:“客户需要有一种标准的软硬件模型能够很好地与共享云资源进行集成,让他们可以像使用云一样进行消费。客户希望缩短订购时间、交付时间和部署时间,这种消费模式与目前他们在云端的消费模式类似。”
VMware并没有提供定价相关的详细信息,但Villars指出,目前超融合平台的大趋势是基于类似云的方式进行定价。“客户需要更多消费模式,而第一步,就是拥有一款标准产品。
这是朝着这个方面迈出的重要一步。”
CloudHealth by VMware是VMware在去年夏天收购CloudHealth Technologies获得的一款统一监控平台,目前这款平台也将进行重大的升级改进,新功能包括增强的多云报告、多维报告、容量管理、与VMware云分析和监控平台Wavefront的集成等。
CloudHealth创始人Joe Kinsella表示,这些增强功能是为了应对企业内部采用云技术越来越去中心化的趋势。他说:“如今企业拥有大量公有云和私有云已经不稀罕了,但这大大增加了复杂性。”
根据该公司发布的数据显示,收购CloudHealth显然是符合VMware目标的。 CloudHealth目前为客户管理着超过80亿美元的年度云支出,每月要接收近40亿个API调用。
Kinsella表示,客户通过实现更好的可视性和自动化建议,每月平均可以节省约25%的费用。他说,与Wavefront的集成可以进一步改善这些结果,“例如,你会得到关于如何迁移到不同云环境的建议。”
Cloud Foundation 3.7的新功能中,还包含了对VMware Horizon 7虚拟桌面基础设施的自动部署功能,包括应用程序卷的安装、用户环境管理器和统一访问网关。目前VMware已经在AWS的加拿大中部、巴黎、新加坡等地区提供Cloud Foundation,使得全球可用地区增加到13个。VMware拥有4200家云合作伙伴,这“对我们来说是一个重要优势”,Patel说。
VMware还宣布推出了新版本的vCloud Director——一款面向云平台的自动配置、管理和数据保护套件。这次推出的9.7版本通过统一监视和管理,跨私有云和多租户VMware云中提供集中的全局云管理、可扩展性、增强的可扩展性框架。
此外,VMware推出了统一迁移和灾难恢复服务vCloud Availability 的3.0版本,它与vCloud Director进行本地集成,提供了一个充满活力的用户界面
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。