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
文章探讨了CIO在2025年应该重点投资的五个AI领域:可信工作流的代理AI、智能文档管理、营销客户数据需求、从数据驱动转向AI驱动、重新审视IT架构以支持AI目标。这些投资可以在短期内带来效益,同时成为长期财务回报的倍增器。CIO需要在这些领域制定务实的AI应用策略,简化平台,加强风险管理,以应对未来的挑战和机遇。
Instabase 公司完成 1 亿美元 D 轮融资,估值 12.4 亿美元。该公司提供非结构化数据处理平台,可从多种文件中提取信息并标准化。新资金将用于增强数据提取、分析和搜索功能,以满足企业 AI 需求。
人工智能在建筑设计领域正展现出惊人潜力。从生成令人赏心悦目的建筑效果图,到创造无限游戏世界,AI 正逐步改变设计流程。尽管人类仍是核心创作者,但 AI 辅助工具正迅速普及,未来可能会大幅提升设计效率和质量。这一趋势引发了对 AI 取代人类建筑师的担忧,也带来了硬件革命和地缘政治影响。
研究显示,高收入公司的CEO正将人工智能置于业务战略的核心地位。欧美企业声称已具备AI项目的基础条件。专家建议避免过度乐观,关注投资回报,构建稳健的数据基础,并优先考虑循序渐进的推广策略。研究还发现,最成功的公司往往是那些高层领导有意识地不直接参与AI战略制定的公司。