作者:MIKE WHEATLEY
更新时间:美国东部时间2020年10月21日00:01
戴尔技术公司(Dell Technologies Inc.)推出了Project APEX,该产品意在扩展和统一其“即服务”产品,使客户和合作伙伴可以更轻松地根据需要使用其超融合基础架构产品、个人计算机、网络、服务器和存储产品。
周二晚间发布的Project APEX将戴尔现有的Dell Technologies On Demand和Dell Technologies Cloud产品统一起来。戴尔的想法是针对本地、云端和边缘工作负载,为客户提供更为一致的“即服务”体验。
在周三上午的虚拟戴尔技术世界大会(Dell Technologies World event)上,戴尔创始人兼首席执行官迈克尔.戴尔(Michael Dell)在发表主题演讲时表示:“现在,我们致力于将我们所有产品和服务作为服务来交付。”他表示:“我们正在全力以赴为你构建下一代的数据架构。”
在随后的新闻发布会上,戴尔补充表示,其想法是将该公司在客户使用的所有云中提供产品和产品即服务的各种努力集中在一起。他表示:“Apex确实激励了所有这些努力。”
戴尔副董事长兼首席运营官Jeff Clarke在通报中补充表示:“Apex是所有‘即服务’型活动的总和。想象一下‘快捷键’。”
Clarke表示,第一个Apex解决方案,即存储即服务,将于第一季度推出,以后还会推出更多服务。
APEX项目的核心是Dell Tech Cloud Console,它的美国版预览版已经面市,客户可以通过该版本的单一界面管理他们使用的所有随需应变式的戴尔服务和工作负载。戴尔表示,通过它,客户可以浏览戴尔市场(Dell Marketplace)并从各种云服务和“即服务”硬件产品中进行选择,以满足他们的需求。你只要单击几下鼠标,就可以通过该控制界面部署各种不同的云工作负载,管理多云资源并且实时监控成本。
戴尔推出了新的存储即服务本地部署产品组合,以增加其随需应变产品,该产品组合包括了针对块和文件数据服务的可扩展和弹性存储资源,这些资源可以通过云控制台进行管理。戴尔表示,这些产品将于明年全面上市。
此外,该公司还发布了新的戴尔技术云平台(Dell Technologies Cloud Platform),即基于实例的预配置产品,订阅价格起价为每个实例每月47美元。此外,还有一项名为PowerProtect for Multi Cloud的新型托管安全产品,可通过特殊的低延迟连接帮助跨公共云平台保护数据和应用程序。尤其重要的是,该公司为其随需应变服务公布了一套新的“按需伸缩”(Flex on Demand)或按照使用量付费的定价方案。
戴尔似乎认为,市场将会对其“即服务”类的产品有更多的需求,而一些分析师们似乎也赞同他的这一看法。国际数据公司(International Data Corp.)的Rick Villars表示,到明年年底,“即服务”使用模式的敏捷性和适应性将推动随需应变IT基础架构的需求增长三倍。
SiliconANGLE姐妹市场研究公司Wikibon的首席分析师Dave Vellante表示,“即服务”式的消费模式显然是一种已经形成了的新趋势,而且他认为这种趋势在未来几年内还会继续发展。他表示,戴尔公司和其他传统基础架构公司(例如慧与等)正在通过在交易中施加某些限制(例如最低使用量条款等)的方式来复制软件即服务公司的做法。
Vellante表示:“但是随着时间的流逝,我认为它将演变为更多的消费定价,例如真正的云计算/按照使用量付费的模式。”他表示,“我预测,基础架构公司将收集越来越多的数据,并随之变得越来越好。他们将获得更多的信心,并将开始更加倾向于基于用量的模式。”
戴尔还大打环境牌,以吸引企业使用其随需应变型的产品,该公司承诺回收并翻新二手的信息技术设备,以支持客户的可持续发展目标。其中包括100%二次销售从随需应变基础架构项目中退还的租赁设备。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。