2020年11月4日,北京——IBM今日发布了战略性的功能扩展计划,旨在确保客户能够灵活地选择工作负载的部署位置(包括本地环境和IBM公有云),帮助他们推进混合云之旅。新增和增强的解决方案包含通过IBM CloudPaks部署到IBM IT基础架构中的容器化软件,以及面向容器的数据存储方面的最新技术进步。
IBM近期委托Forrester开展了一项名为“有效混合多云战略的关键”的调研,结果显示,85%的受访者正增加对公有云之外的IT基础架构的投资,这表明企业将继续使用本地环境和私有云。
“面对肆虐全球的疫情及其对经济的冲击,企业比以往任何时候都更迫切地需要提高行动速度和灵活性,加速数字化转型计划的实施。”IBMSystems高级副总裁Tom Rosamilia表示,“我们的客户正增加对AI和云计算的投资。他们迅速采取行动,在降低成本的同时,通过机密计算和弹性等方法提高安全性;而IBM的混合多云战略与Red Hat技术则在这场变革中发挥核心作用。”
客户采用这些技术的势头非常强劲:IBM Z和Power Systems的许多主要客户目前都在对Red Hat Open Shift on Z进行概念验证,另有超过100家客户准备开始概念验证。此外,已有超过40家IBM客户将IBM Storage作为高度可用、高度安全的OpenShift永久存储库。客户之所以这样选择,一方面要归功于IBM IT基础架构与Red Hat之间长期的合作,另一方面是他们考虑到过去在IBM Z、LinuxONE、Power和Storage产品上的投资,而这些产品的新功能现在支持业界领先的企业级Kubernetes平台Red Hat OpenShift。
目前,有超过100家新的LinuxONE和Linux on Z客户在混合云中运行任务关键型应用。这些客户的规模各异,既有初创企业,也有大型企业,覆盖医疗保健、零售、交通运输、金融和技术服务以及公共领域等众多行业。
IBM宣布即将推出以下新功能,旨在帮助客户使用IBM IT基础架构实施混合云:
为容器工作负载提供持久存储和数据保护
IBMStorage还为存储和现代数据保护解决方案提供了大量新的增强功能,未来还将不断推出增强功能。目的主要是支持迅速扩大的容器和Kubernetes生态系统,包括Red Hat OpenShift。
目前,IBM Storage Suite for CloudPaks正扩大对Red Hat OpenShift上容器原生数据访问的支持。该套件旨在为经常需要文件存储、对象存储、块存储以及软件定义存储的团队带来最大的灵活性,实现持续集成和持续交付。IBM Spectrum Scale还添加了一个完全容器化的客户端和一个运行时操作程序,支持用户轻松访问任何Red Hat OpenShift集群上的可扩展数据湖。IBM Cloud Object Storage在与Red Hat OpenShift捆绑在一起的对象存储接口中增加了对开源s3fs文件的支持。
“当我们开始通过容器化应用和Red Hat OpenShift对基础架构进行现代化改造之时,我们需要能够以安全可靠的方式支持应用现代化的基础架构。”Porsche Informatik计算和平台服务主管Christoph Buchstätter表示,“我们之所以选择IBM Cloud Object Storage,是因为它可以为容器化应用带来内置的安全性、稳定性以及高可用性。该系统易于管理,便于我们保持对数据的控制。”
这种朝向容器的重大转变对现代数据保护产生了深远影响。当今企业所需的解决方案必须能够在混合云环境中统一数据恢复、保留和复用,并保护关键数据工作负载。
“包括Red Hat OpenShift在内的容器技术是混合云部署的基础,可实现应用和数据在私有云和公有云之间的移植与扩展。”ESG高级分析师Scott Sinclair表示,“IBM能够提供容器原生数据保护能力、持久存储以及扩展的混合云数据保护支持。IBM认识到许多客户在未来几年内将继续运行非容器化的工作负载。因此,IBM的工具同时兼顾容器化和非容器化的环境,这包括通用的数据保护基础架构,以及对非结构化数据的支持,可扩展现有数据海洋,为AI和ML工作负载提供单一‘事实来源’,无论它们在哪个平台上运行。”
为应对这些挑战,IBM计划增强IBM Spectrum Protect Plus,以丰富容器保护功能。IBM Spectrum Protect Plus计划为Red Hat OpenShift环境提供集成式保护体验,首先是使用Red Hat OpenShift Operator将IBM Spectrum Protect Plus Server部署为容器。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。