谷歌正在与VMware合作,让企业可以轻松地在谷歌公有云基础设施上运行VMware的虚拟化工作负载。
根据彭博社的报道称,今天两家厂商宣布的这一合作,其目的是帮助企业更轻松地在Google Cloud Platform上运行VMware vSphere虚拟化软件和网络工具。为此,谷歌云现在支持VMware用于部署和运行混合云的系统——VMware Cloud Foundation。
该服务由一家名为CloudSimple的第三方提供商提供。通过该服务,CloudSimple将帮助企业将VMware工作负载迁移到运行在谷歌云中的VMware软件定义数据中心,从而提供对其他VMware工具(包括NSX-T、vCenter和vSan)的全面原生访问。
VMware的虚拟化软件被企业广泛用于帮助在同一台服务器上组合不同的工作负载,从而让网络更高效地运行并节省成本。但是,由于许多企业希望放弃自己部署数据中心而选择谷歌等公有云,因此VMware要满足这些企业的需求就要自己先拥抱这些云平台。
谷歌表示,在双方的合作下,谷歌将成为客户的首选,但是与CloudSimple密切合作实现这一目标的。
谷歌云首席执行官Thomas Kurian向彭博社表示,与VMware的合作伙伴关系将使客户能够将“他们现有所有VMware工具、政策、方法从私有云内部部署到谷歌云”。他补充说,这次合作是为了满足客户要求简化VMware环境中投资保护的需求。
Constellation Research分析师Holger Mueller表示,谷歌必须帮助客户将VMware工作负载迁移到云端,因为现在几乎所有企业都依赖于VMware的虚拟化软件。
Mueller表示:“支持VMware对企业高管来说很重要,因为他们可以将传统负载转移到他们在公有云中构建的下一代应用中。靠近数据对于合规性和性能至关重要,这是确定将公有云负载转移到何处的一个关键因素。”
Wikibon分析师Dave Vellante认为,这对谷歌同样重要,意味着它将能够托管有助于扩展混合云战略的新工作负载。
Vellante表示:“你需要两种最基本的因素参与到混合云的市场中,即真正的云和VMware。谷歌需要VMware,而VMware可以借此扩大云合作伙伴的范围。”
Vellante补充说,这一合作与VMware今年早些时候与微软达成的协议类似。VMware与微软合作的成果是一项名为Azure VMware Solutions的联合服务,该服务让企业能够在Azure上本地运行VMware工作负载,而且使用的也是CloudSimple的平台。
不过Wikibon分析师Stu Miniman指出,谷歌与VMware的合作伙伴关系并不像VMware和AWS之间此前在2016年首次公布的集成范围那么广。
“有些人会得出错误的结论,即这对于VMware Cloud on AWS来说是个坏消息,VMware Cloud on AWS是一种深层次的合作关系,需要大量的工程设计,这种合作不会消失,” Miniman说。
不过他表示,这次合作对于两家厂商来说都是明智之举,因为VMware需要在所有方面都具有相关性,现在它与三大公有云和很多服务提供商建立了合作伙伴关系。
“谷歌需要与企业更好地合作,因此VMware是与之合作的最佳合作伙伴之一。我希望看到双方的合作将体现哪些差异化,以兑现他们对‘让谷歌云成为运行VMware工作负载的最佳云’的承诺。”
差异化并不是很明显,但Kurian认为,其中一个明显的优势是那些选择使用谷歌云的人能够使用谷歌广泛的人工智能、机器学习和分析工具,他们还可以将自己的应用部署到谷歌的数据中心。
Mueller补充说,迁移和运营维护的便捷性对于云提供商来说也是一个重要的因素,因为他们希望吸引VMware工作负载,但谷歌是否会在这方面体现任何优势还有待观察。
虽然尚未确定正式发布日期,但两家厂商表示,新的“Google Cloud VMware Solution by CloudSimple”将在今年年底之前在Google Cloud Marketplace上推出。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。