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
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。