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
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。