作者:Wendy Pfeiffer,Nutanix首席信息官
自2009年Nutanix成立以来,我们一直为公司发展能与IT决策者的需求保持同步而深感自豪。随着云基础架构模式的发展,我们致力于帮助客户实现IT基础架构的现代化,以推动数字化转型并实现其业务目标。
在我们最近发布的《企业云指数报告》中,一个重要发现是IT决策者将混合云视为实现灵活性和业务敏捷性的理想模式。我们知道,灵活性和业务敏捷性在新冠肺炎疫情期间变得更加重要。但据我们了解,当前企业采用混合云的进程还相对滞后。为了更好地理解企业采用混合云时所面临的主要困难与重大机遇,我们对全球IT决策者进行了访谈,撰写了《混合云调查报告》。以下是部分重要发现:
单靠公有云不能解决所有问题
几乎所有的受访者(95%)都认为,一个跨公有云和私有云,并且支持一致的IT建设和运行的解决方案将使他们的企业受益。但同时报告也显示出,许多企业在采用这一模式时举步维艰。近四分之三(70%)的企业表示,他们转型所耗费的时间已经超出了预期。虽然许多人将公有云视为数字化转型的最佳解决方案,但在实践过程中却发现,将关键业务应用程序转移到公有云知易行难,有时甚至是不可能的。大约四分之三(70%)的受访者认为,阻碍企业迁移应用的主要顾虑是需要重新为应用设计架构或搭建平台(75%)以及进行复杂的迁移(71%)。
IT人才的竞争正在加剧
随着IT人才缺口越来越大,找到合格的IT人才对于许多企业来说已经很难,而要找到能够同时管理私有云和公有云基础架构的IT人才更是难上加难。大多数受访者(88%)表示,他们所在的企业一直在设法确保IT团队具备应对混合云环境的技能,而超过一半(53%)的受访者认为这是他们的关注焦点。
孤岛会影响企业业绩
几乎所有的受访者(95%)都表示,为了管理公有云和私有云基础架构,他们必须依赖具有不同技能的不同团队,进而产生孤岛。这些孤岛会影响企业业绩,并且近一半的受访者认为资源扩张(49%)、成本增加(45%)和资源浪费(43%)是他们最担心的问题。在当前环境下,很多企业都在专注于优化资源,这进一步加剧了上述担忧。
接下来会发生什么?
显然,企业在管理私有和公有云环境时正面临挑战,并且这一趋势不会改变。根据Gartner的报告,为满足自身IT需求, 90%的企业将在2021年完成多云或混合云模式的部署。而在疫情的影响下,企业对灵活性的需求只会加速这种转变。
那么,面对这些挑战,企业该何去何从呢?
归根结底,企业希望能灵活利用合适的工具和云来为他们的业务服务。越来越多的企业意识到,一个统一的、能在私有云和多个公有云之间提供一致的体验、工具和运行实践的混合云环境,可以打破孤岛,从而提升运营效率。这样一种将传统应用程序轻松“提升和转换”到公有云的方式无需进行成本高昂的重新架构,就能有效帮助企业快速实现数字化转型,同时那些传统应用程序也得以直接使用云原生技术。真正的混合云还能使企业具备通过扩张公有云快速拓展工作负载容量,或将公有云用作灾难恢复备份站点的能力。
Nutanix混合云解决方案基于业界领先的超融合基础架构技术,能为客户提供跨公有云及私有云基础架构和应用程序的统一管理。混合云具备的这些关键功能都是通过Nutanix Clusters实现的。Nutanix Clusters是Nutanix新推出的产品,能将HCI软件扩展到公有云,且支持应用程序的无缝迁移,在将应用程序迁移到公有云时无需进行昂贵的重新调整或重新架构。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。