今天,国际权威研究分析机构Gartner公布了2019全球《超融合基础设施魔力象限》报告。报告显示国内仅有三家云计算厂商进入2019超融合基础设施魔力象限,分别是深信服、华为、华云数据。深信服超融合(Sangfor aCloud)凭借技术优势、技术服务、广泛用户实践和全球市场表现首次入围,对比2018年的魔力象限,成为榜单上唯一新增的超融合厂商。(华云数据则收购Maxta之后进入本次魔力象限。)
随着云计算技术的逐步落地,超融合在概念、技术、产品和市场方面有着越来越成熟的发展态势,如今已成为最具潜力的数据中心基础架构之一。深信服早在概念提出之时,就基于用户业务需求进行了超融合布局。2015年,深信服完成了计算虚拟化,存储虚拟化,网络虚拟化产品的广泛交付使用,并将安全理念融入其中,推出了深信服超融合aCloud架构,此后一路高歌猛进。
此次入围超融合基础设施魔力象限,Gartner认为深信服超融合的关键能力在于三点:
一、 深信服超融合聚焦于可靠承载关键业务、核心应用等数据中心场景。
深信服超融合是集服务器虚拟化aSV、存储虚拟化的aSAN、网络虚拟化aNET和安全虚拟化等资源池于一身的数据中心新型基础设施,通过超融合管理平台对各项资源进行统一的管理和监控,向上可靠承载各行业的关键业务系统。自2016年开始,深信服超融合aCloud以承载Oracle RAC为目标,一方面提升产品的可靠性与性能,一方面在Oracle承载方面做了大量的优化措施提升数据库上云的易用性,目前能够可靠承载Oracle RAC、MySQL、HIS、ERP、MES等关键应用。数据中心建设场景上,不仅可以帮助用户管理VMware等虚拟化平台,还可以通过原生的备份和CDP模块帮助用户实现数据及业务的及时备份与恢复。
深信服超融合架构分为超融合软件和超融合一体机,在软件承载核心应用上,深信服建立了以应用为中心的广泛的生态体系,和用友、金蝶、泛微、蓝凌、致远等近百家应用厂商做了全方位的对接,获得了大量行业ISV的认可。在硬件设备上,深信服通过生态合作实验室可以广泛兼容市面上主流的服务器,如戴尔、联想、浪潮、曙光、华为等。
二、深信服超融合为中小型企业提供了一个具有综合竞争力的选择
深信服超融合aCloud的核心是降低整体拥有成本,降低复杂度,为未来更大规模的标准化实施提供标准基础组件的能力模型。同时,深信服将管理能力和安全能力融入到模型里,提高了整个稳态架构的IT交付效率。基于对架构的深度优化和解耦,让用户可以两台起步(重要业务最佳配置是三台起步),平滑扩容,随着业务的变革,进而升级到云数据中心、私有云、混合云。不仅简化了用户的运维管理,更从业务和业务战略角度简化了用户IT的规划,让用户一次上云,持续演进,为企事业单位的数字化转型提供坚实的基础架构平台。
过去的12个月,深信服超融合在本土地区以及欧洲、中东的部分国家进行了显著扩张,并在制造业、政府、医疗和教育机构等多个垂直领域交付了广泛用户案例。
三、建立了强大的合作伙伴通路,以及生态合作系统
深信服开发了一种面向市场的行业垂直方式,与ISV建立了合作伙伴关系,部署了垂直专注的销售团队,通过轻咨询的方式,以满足制造业、政府、医疗和教育机构的需求。深信服面向用户及合作伙伴推出的深信服社区,提供产品知识库、在线技术支持、安装和配置指南以及社区论坛。
结合Gartner发布的预测以及市场表现来看,超融合覆盖范围正在进一步扩大,不仅客户从中等规模客户向大型企业扩张,应用场景也从服务器虚拟化、VDI、分支机构场景扩展到关键业务、数据库、云数据中心等重要场景,越来越多的企业开始重塑自己的IT基础架构。
近年来,深信服超融合基础设施逐渐形成虚拟化、超融合、云数据中心、分布式混合云的数据中心路线布局,不断获得广大用户的应用和认可,对于中国超融合市场起到了很好的带动作用。作为成长迅速的云计算解决方案服务商,深信服的云计算理念、产品及解决方案能够更好地满足用户在数字化转型过程中对IT架构的新诉求,我们相信,未来随着市场的不断开拓,深信服超融合会在更多的场景与行业领域给予支持与帮助。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。