多云已经成为IT的新常态,其给企业带来了诸多好处,比如丰富的云服务可以带来快速的支持业务开发上线;自服务提供了简便的云消费方式,企业利用云服务也有巨大的扩展性;全球跨地域的高可能性等。
管理不同云的整体云支出、资源利用率以及应用性能、安全性与合规性可能会变得日益困难,还会导致超支、效率低下和风险增加。开发人员需要成本、性能、安全和配置数据来了解他们正在构建的应用的完整特性,而这些数据通常存在于不同的工具中。团队必须控制成本、确保性能,并在这些多样化的分布式环境中管理统一的安全策略。
在VMware Explore 2022上,VMware正式发布名为VMware Aria的多云管理产品组合,提供了一套用于管理基础架构和云原生应用成本、性能、配置与交付的端到端解决方案。
VMware Aria为云原生和多云管理带来了三个类别的新功能与扩展功能:CloudHealth驱动的VMware Aria Cost、VMware Aria Operations和VMware Aria Automation。
VMware大中华及东南亚区云平台技术总监李晓学表示,随着客户拥抱多云,更多的企业正在跨公有云和在边缘交付应用,并且他们越来越多地使用Kubernetes来管理和扩展他们的现代化应用和云原生应用。云上的应用越来越多,安全变得更加重要,从云混沌到云智能,多云管理的需求越发强烈。

VMware大中华及东南亚区云平台技术总监 李晓学
VMware Aria全新公有云管理功能的核心是VMware Aria Graph,这项基于图形的数据存储技术可以捕捉多云环境的资源和关系。VMware Aria Graph专门为应对云原生应用和环境的运营挑战而设计,能够提供一个近乎实时更新的单一数据来源。
VMware Aria Graph具有鲜明的特色:高度可扩展性——支持云原生环境;基于事件的采集——支持高变化率,可以支撑上亿个级别,甚至十亿个级别;联合和模块化架构——聚集来自任何来源的数据;统一的GraphQL API ——联邦数据平台,简化开发人员和运维团队的使用。
VMware Aria的图形数据存储和API服务使其能够与第三方解决方案(如可观察性和应用性能管理工具)无缝集成。在VMware Aria Graph中从原生公有云、本地云、VMware工具和第三方工具中收集并规范化的数据,丰富了客户现有的VMware vRealize、CloudHealth by VMware和VMware Tanzu Observability产品的运维、自动化和成本指标,除原生公有云之外,还为私有云/混合云带来应用感知管理。
VMware大中华和东南亚区云平台业务总监Mark Soo表示,不同于市面上的其他多云管理方案,VMware Aria专为多云设计,从云原生到应用环境出发,实现集成化的业务管理,为多云治理、跨云迁移和可执行的业务洞察提供了独特的价值。

VMware大中华和东南亚区云平台业务总监 Mark Soo
李晓学说,VMware Aria是平台化思维,以VMware Aria Hub为基础的VMware Aria提供管理整个多云环境的集中式视图和控制。“采用类似数据中台的概念,Aria可以进行数据整合、数据分析,通过API对外提供自动化的服务,这是Aria设计的巧妙之处。”
VMware Aria建立在VMware Aria Hub和VMware Aria Graph基础之上的三项全新的端到端管理服务:
VMware Aria Guardrails:采用一切皆为代码的方法,在多云环境中大规模地自动执行网络、安全、成本、性能和配置方面的云防护措施
VMware Aria Migration:搭配VMware HCX,通过自动评估、规划和执行,加速并简化多云迁移的过程
VMware Aria Business Insights:利用人工智能/机器学习(AI/ML)分析技术从全栈事件关联中发现相关的业务洞察
基于以上特性,VMware Aria能够提供跨云的统一应用视图,改变原有的转椅式管理模式,并可以集成已有工具和数据进行联邦管理,实现端到端的解决方案,一套平台可以解决自动化、运维、安全、合规、成本,代表了一种全新的统一云管理服务。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。