VMware正在构建软件定义的广域网工具产品组合,以推进“虚拟云网络”愿景——跨多个云平台连接和保护应用、数据和用户。
虚拟云网络是VMware混合云战略的一个关键要素,该战略旨在促进企业应用和工作负载跨各种公有云、边缘平台和私有数据中心之间的迁移,目的是在所有这些环境中提供一致的体验,而且这只能通过软件定义的方法来实现,让所有网络服务实现自动化。
VMware高级副总裁、网络和安全业务部门总经理Tom Gillis本周一在新闻发布会上表示,有客户向VMware反馈“我想要在我的私有云数据中心实现公有云的体验”。
为此,VMware宣布推出了新的NSX Advanced Load Balancer,并将其称为一种“分布式应用交付控制器”,用于在计算资源之间统一分配工作负载以优化网络效率、可靠性和容量。NSX Advanced Load Balancer本质上是一个虚拟设备,将负载均衡与高级分析监控工具结合在一起,智能地实现连接的自动化。
VMware还表示,将通过类似于AWS和Google Cloud公有云这样的新架构提供超大规模SD-WAN。VMware新推出的VMware SD-WAN by VeloCloud可以访问所有主流公有云平台上的数千个网关,让客户能够自动地、动态地增加应用流量,而无需重新配置网络。
VMware还在用于解决网络问题的vRealize Network Insight和NSX Intelligence工具中增加了新的分析功能。最新版本的vRealize Network Insight提供了从数据中心到网络边缘的物理和虚拟基础设施可见性和故障排除,并新增了对VMware SD-WAN、AWS、VMware Cloud on AWS和Azure的支持。
此外VMware推出了一款全新产品NSX Intelligence,可为网络和应用安全团队提供跨数据中心的持续可视性,以便在数据包级别提供对虚拟化工作负载的洞察,从而实现直观的、自动化的网络和安全策略生成和实施。
Gillis表示:“VMware已经成为下一代软件定义网络和安全领域事实上的领导者,为应用、数据和用户提供一致的、无处不在的连接和内在的安全性。我们的高级分析功能提供了让虚拟云网络易于操作所需的可见性和故障排除功能。”
从本质上讲,他说“这就是一键式的公有云体验”。
VMware今天还表示,将扩展Telco and Edge Cloud产品组合以便为电信网络提供实时智能性,为电信提供商、网络边缘和物联网应用提供更好的自动化和安全性。
在电信方面,VMware表示正在为通信服务提供商更新用于跨物理和虚拟网络监控和管理的Smart Assurance平台。VMware表示,将更新该平台增加一种“实时深度学习引擎”,有助于优化CSP的网络体验。VMware从最近收购的Uhana初创公司获得了这些深度学习功能。
VMware Smart Assurance还集成了最新版本的VMware Integrated OpenStack,使电信公司能够在多云环境中建立一套一致的策略。VMware表示,将提供服务影响和根本原因分析,同时提供物理和虚拟OpenStack网络以及多云网络的可视性——这本质上是一种自动化的运营智能方法,可降低服务影响和运营费用。
此外VMware表示,将推出一个新的Telco Edge Reference Architectur,详细介绍设计和部署构建在VIO和VMware vCloud NFV基础设施之上的、基于边缘的云网络最佳实践。该架构旨在使CPS能够建立一个让他们能够从集中式数据中心管理多个边缘的网络。
最后,VMware发布了用于管理网络边缘物联网设备的Pulse IoT Center平台本地版本。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。