在今年早些时候,英特尔和谷歌就准备进行更深层次的战略合作。近日两家公司宣布推出为第二代英特尔至强可扩展处理器优化的面向谷歌云Anthos的全新英特尔精选解决方案。
混合云是大多数现代业务基础架构的重要组成部分,因为由此可以平衡性能,降低TCO,解决遗留应用程序,提升安全性和合规性。所以,混合云仍旧是企业的最佳选择,超过80%的企业组织表示目前已经制定了部署混合云的计划。
谷歌云全球生态合作副总裁Kevin Ichhpurani表示:“多云和混合云是很多客户目前面对的企业IT现状。通过Anthos,我们致力于为客户的工作负载提供最佳的平台。在客户转向混合环境之际,与英特尔在Anthos上的合作为客户提供可信且经过验证的解决方案。”
面向谷歌云Anthos的英特尔精选解决方案将很快通过联想、Quanta Cloud Technology、SHI和World Wide Technology销售。
通过提供使用现有VMware vSphere和VMware vSAN环境的预先测试和经过验证的解决方案,面向谷歌云Anthos的英特尔精选解决方案可以简化企业组织向混合云或多云解决方案的迁移。
Anthos包含一个由谷歌云管理的软件堆栈、并由行业领先的现代化技术所驱动支持。该参考设计针对英特尔架构进行了优化,帮助IT运营的转型并帮助企业IT更轻松地在内部和云中开发应用软件。Anthos支持新的或现有VMware环境,简化部署和管理,同时简化谷歌云验证的安装和升级。
希望利用Kubernetes和云技术来获益的企业将利用提前验证的解决方案来真正的获得收益,包括采用VMware ESXi的Google Kubernetes Engine (GKE) On-Prem on VMware vSphere。对比融合解决方案,企业可以通过利用VMware vSAN超融合基础设施从而降低总体拥有成本。
根据IDC的研究,超融合系统的销售额在2018年同比增长了57.2%,仍旧是市场增长的主要驱动力。VMware vSAN为企业组织提供高可用性、更高的安全性和性能并无缝地与VMware vSphere集成为一个原生超融合基础设施解决方案,适用于业务关键型应用、整合的虚拟桌面基础设施(VDI)、混合工作负载基础设施等等。
作为超融合基础设施部署的备选方案,这些解决方案还可支持远程存储。为了简化管理,Google Cloud Console(谷歌云端控制台)将提供一个跨本地部署和云环境管理集群的视图。
谷歌云和英特尔建立了长期战略合作伙伴关系。面向谷歌云Anthos的英特尔精选解决方案是双方多年合作的成果。谷歌云在去年10月率先向客户提供了英特尔傲腾数据中心级持久内存,并在今年早些时候宣布推出三个基于第二代英特尔至强可扩展处理器的全新虚拟机实例。
面向谷歌云Anthos的英特尔精选解决方案使用了最新的英特尔技术来提供更快的虚拟机重启速度、持久内存和可预测的性能,从而避免了代价高昂的宕机和升级。企业现在可以使用针对英特尔架构优化的Kubernetes而一次性创建和管理现代化混合应用,即可在任何地方运行,无论是在公有云还是本地。
面向谷歌云Anthos的英特尔精选解决方案包括两种配置:基础配置规定了要求的最低性能和功能,Plus配置可实现更高的性能。客户可以在这两种配置的基础上进行升级或扩展,以获取额外的容量或性能。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。