HPE今天宣布在GreenLake即服务基础设施和软件产品系列下,推出众多针对本地计算环境的增强功能和新的云服务。
GreenLake是一个软硬件产品组合,企业可以按需购买,而无需预先购置所有内容。此次HPE推出了8项新的服务,旨在为数据中心设备提供类似云的体验,进一步模糊了公有云和私有云之间的界线。
HPE正在持续填补三年前的战略空白,将全部产品组合都转为了订阅定价的模式。三个月前,HPE整合了来自Aruba子公司的网络管理功能,新增了一个统一的仪表板,涵盖了一个客户的所有GreenLake服务,并推出了12项新的云服务,涵盖网络、数据服务、高性能计算和运营管理。HPE表示,现在GreenLake已经积累拥有超过6.5万家客户。
Wikibon首席分析师David Vellante表示:“构建云框架、平台、服务集和生态系统往往需要很长时间,但是从HPE不断发布的公告来看,HPE走上了一条正确的道路。GreenLake平台以三位数的速度不断增长,年运行率接近10亿美元,尚未交付的订单量也非常充足。”
完全托管的私有云
HPE称,传统的私有云产品无法实现完全自动化管理,因此HPE表示,新推出的GreenLake for Private Cloud Enterprise将为私有云提供类似公有云的自动化和可扩展性,具有模块化基础设施和软件,支持跨裸机、虚拟机和软件容器的任意组合部署工作负载。
GreenLake云服务解决方案集团总经理Vishal Lall表示:“这项关键资产让客户能够在数据所在的任何地方拥有混合云,无论是在边缘、托管数据中心、工厂还是医院,这些场景都需要非常低的延迟,这是公有云无法做到的。”
新推出的私有云产品提供了全面的服务水平协议,涵盖安装、配置、固件更新、维护、运营、硬件、增长规划和支持。HPE表示,该产品让客户能够运行传统应用和云原生应用,而无需移动和重构数据。这些产品是从云端管理的,所以客户在需要的时候也是很容易扩展的。”
“基础设施是我们的使命”
他说,首要目标是解决客户面对的复杂性和切换管理。“就在五年前,私有云还是为满足特定客户需求而定制设计的一种基础设施。每一个私有云就像是雪花一样,没有哪片雪花是完全一样的。现在,我们创新设计了一种可替代的平台,可以运行任何类型的工作负载,我们可以根据你的SLA承诺正常运行时。基础设施就是我们的使命。”
HPE表示,私有云环境可以在集成到组织现有配置、工具链、映像和网络中的同时,以编程方式进行配置、配置和扩展。客户可以通过消费分析,密切关注使用和支出情况,通过汇集来自私有云部署中的数据,按照服务类型、位置、或者是业务部门来查看和优化成本。此外在GreenLake Marketplace中,有多达80多家独立软件厂商、服务提供商和托管合作伙伴提供预先测试的软件和服务。
新增8款云服务
此次HPE宣布推出的新云服务包括GreenLake for Data Fabric,一种托管服务,包含了基于单个数据存储、面向混合环境的分析就绪数据结构;以及GreenLake for Hyperconverged Infrastructure,可以通过基于软件即服务的界面提供类似云的体验,在混合云中更轻松地管理虚拟机和基础设施。
GreenLake for Disaster Recovery旨在让客户能在几分钟内从故障中恢复到故障之前的状态,而且符合恢复点目标和恢复时间目标。GreenLake云服务副总裁Flynn Maloy说:“现在灾难恢复只需要点击几下即可完成,这适用于那些还没有或者不能迁移到公有云中的数据,这是一种公有云即用即付的体验,可以满足你对私有环境灾难恢复的需求。”
另外一款相关的Backup and Recovery Service服务是用于AWS EC2实例和Amazon Elastic Block Storage EBS卷,让客户在不到五分钟的时间内就可设置好虚拟机保护,同时将承担备份硬件、软件和云基础设施的大部分管理任务,减轻客户负担。
GreenLake for Block Storage服务基于一种云操作模型,具有100%数据可用性,客户可以利用分层存储来优化成本。此外,GreenLake for Compute Ops Management服务提供了一种类似云的体验,可用于计算机生命周期管理。
新的垂直产品
HPE还与多家专业ISV厂商合作打造了一系列垂直产品线,其中,GreenLake for Payments 是一个安全的、以云为中心的支付平台,让客户能够在遵守法规的同时,快速实现支付业务的现代化,它融合了Lusis SA的Tango支付平台支付技术和HPE的不间断容错系统。
Maloy说:“这是一个微服务平台,以很高的速度为事务性应用高速低代码应用,而且它是付费即用的、集中管理的。”
另外一款新产品GreenLake with FIS Ethos是HPE和Fidelity National Information Services合作开发的,采用了Ethos集成数据平台可进行实时客户数据报告和分析。HPE称,该产品让企业能够提供数据驱动的个性化客户体验。
以上这款私有云平台和新的云服务将于9月面市。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。