近日,GlobalData公布最新的全球私有云解决方案评估报告,浪潮云海OS在全球同类产品中晋升为最高“Leader”评级,超过Cisco CloudCenter Suite、Oracle Cloud at Customer和VMware vCloud Suite。
GlobalData是全球权威咨询公司,40多年来持续为IT、通信、金融、医疗等领域输出客观的行业研究、厂商研究报告,其报告多次被英国金融时报、彭博社、华尔街日报等全球主流新闻机构引用。
GlobalData针对私有云平台的评估体系包括软件、硬件、管理、服务、兼容性五大方面,综合上述五个方面的表现得出该产品的整体性能评级,“Leader”为最高级。GlobalData的测评结果显示,浪潮在整体以及软件环境、硬件环境和管理环境三个细分项中,评级均为“Leader”,成绩全面领先其他厂商。这是继2019年浪潮云海获得“Very Strong”评级后,在短短一年时间内评级再度提升,展现出浪潮对私有云领域的持续技术投入和创新力。
对人工智能、大数据、边缘计算等新兴技术的集成与融合,进而形成云融数智的全栈能力,是浪潮云海OS获得“Leader”评级的核心原因之一。目前,云海OS具备最广泛的异构计算、网络、存储资源的池化能力,可实现X86、ARM、MIPS、Power等多类型通用芯片及GPU、FPGA等不同协处理器的统一调度管理,同时通过虚拟机、裸机或容器环境的构建,以软件定义实现跨技术平台的云环境灵活切换,从而满足不同业务场景对IT资源的个性需求。
与此同时,强大的多云和混合云管理功能也是浪潮云海OS获得私有云平台最高评级的另一重要原因。浪潮云海OS通过InCloud Manager实现了强大且完善的数字基础设施管理功能,包括完整的堆栈服务管理、精细化运营管理、增强的混合云管理、协作的云边管理、自动化管理、多云(OpenStack/K8S/边缘云)管理、跨云迁移等,可以帮助客户轻松管理日趋复杂多变的云环境。与此同时,云海OS也可提供丰富的AI全堆栈服务,从AI资源池化、AI训练环境构建、AI推理部署到AIOps自动化管理等层面提供完整的AI资源调度和管理服务。
GlobalData分析师认为,“浪潮云海OS是‘交钥匙’的私有云解决方案,提供了一系列必要且完整的软件堆栈,具备显而易见的市场竞争优势。未来,浪潮云海OS可能受益于浪潮对边缘计算基础设施的持续投资,边缘计算可优化组织的核心私有云部署。”浪潮最近的一项边缘举措包括在2020年5月推出一种新的边缘计算服务器NE5250,用于计算密集型人工智能(AI)应用程序,包括自动驾驶汽车、智慧城市和智慧家庭。
浪潮云海OS得到数以千计全球客户的广泛认可与高度评价,也有力证明了浪潮云海OS的领导地位。目前,浪潮已在政府、能源、电信、环保、教育、企业等多个行业,累计拥有8500+行业用户。在广电行业,浪潮设计实施中国最大的广电云平台,单一集群规模超过1000节点、总规模近1500节点,在OpenStack实现大规模集群部署上做出了重要的探索和突破;在金融行业,浪潮实施了国内最大规模基于OpenStack部署的金融生产云,创新实现互联网金融业务与OpenStack开源云平台的深度结合;在大型企业市场,浪潮为国内某企业成功构建基于OpenStack的CI/CD持续集成环境,实现开发、运维、GPU加速处理与大规模并行计算的融合。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。