VMware(NYSE:VMW) 今日在VMworld 2020大会上,宣布升级Tanzu对VMware Cloud on AWS、Azure VMware Solution 和Oracle Cloud VMware Solution的支持,同时与GitLab展开合作。在VMworld 2019美国大会上,VMware发布了VMware Tanzu 这一用于实现应用程序和基础架构现代化升级的产品和服务组合,其共同目标是持续不断地为生产提供更好的软件。在过去一年中,VMware快速扩充Tanzu产品系列,扩展其合作伙伴生态系统,并增加了新客户。
VMware Tanzu产品包含了通过收购Bitnami、Heptio、Pivotal和Wavefront公司获得的创新技术。 VMware最近宣布针对最常见的应用现代化挑战,将上述产品打包成四个简单的Tanzu版本。VMware还将Kubernetes嵌入到VMware vSphere控制平面中——vSphere with Tanzu,为客户提供适用于所有应用的统一平台。
VMware Tanzu在客户、超大规模用户和ISV之中迅速普及
VMware Tanzu社区有超过75家独立软件供应商(ISV)。VMware及其合作伙伴正在共同寻找更好的方法联合应用开发人员和运营团队,实现加快发布周期这一共同目标。在大家的共同努力下,现在已有数百家客户使用Tanzu产品,并在超过一百万个用于生产环境的容器上运行。另外,在start.spring.io上平均每分钟就有36个新项目启动。VMware现在每月支持数百万开发人员使用Spring微服务框架和Bitnami社区容器镜像目录启动新项目。
Tanzu这一年的成就在VMworld 2020大会上到达顶峰。VMware宣布Tanzu对VMware Cloud on AWS的支持和对Oracle Cloud VMware解决方案的支持预览。VMware和微软正在密切合作,尽快为早期用户提供预览版本。上述更新支持客户能够快速、安全地将工作负载扩展到云中,并进一步增强VMware的能力,为客户提供无所不在的平台,使客户能够在他们选择的基础架构上运行应用程序。
VMware还宣布与开发运维平台应用——GitLab建立合作关系。VMware和GitLab均致力于联合应用开发人员和运营团队,实现快速安全发布周期这一共同目标。为此,GitLab with Tanzu可以帮助客户简化开发流程,并且不断加快生产速度。
VMware产品和云服务首席运营官Raghu Raghuram表示:“企业正在评估其应用程序的最佳开发途径。无论选择哪种方式,VMware都是他们必不可少的合作伙伴。我们在本地运行的工作负载达到8,500万,我们有快速简单的云迁移路径,而且能够提供适用于所有应用程序的统一平台,以及用于重构现有应用程序和构建现代化新应用的强大工具。”
在VMworld 2020大会上,VMware提供一系列解决方案和服务,帮助客户在动荡的市场环境中生存和发展。 VMware的云、应用现代化、网络、安全和数字化工作空间平台组成了灵活、统一的数字化基础,支持客户可以在任意地方构建、运行、管理、连接和保护应用程序。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。