当戴尔把“Project”(项目)这个词放在新计划的前面时,就相当于发出了一个信号,预示着明年将会有新产品或者新平台出现。
去年戴尔公布的Project Alpine,如今已经转化成一组名为APEX的新存储产品,于本周与宣布推出,重点是软件即服务和混合云。为了展望2024年的举措,戴尔今天宣布启动了两个新项目,一个是Project Helix,是和Nvidia合作的生成式AI计划,另一个是Project Fort Zero,该计划旨在未来12个月内提供经过美国国防部验证的高级零信任安全解决方案。
今天在美国拉斯维加斯举行的Dell Technologies World大会上的另一个重大新闻,是戴尔发布了NativeEdge,一款旨在简化、保护和自动化边缘基础设施和应用部署的操作软件。NativeEdge源自于戴尔去年推出的Project Frontier,旨在解决企业在边缘管理和部署业务中面临的复杂性。
戴尔公司高管在接受采访的时候,更加清晰地阐述了戴尔的长期优势战略。客户正在寻求通过硬件和软件基础设施产品之间的平衡来部署边缘解决方案,戴尔相信,戴尔有理想的解决方案来促进这些部署。
戴尔公司全球首席技术官John Roese(如图)在接受采访时表示:“硬件平台的选择不一定是要和你为扩展优势而运行的代码相挂钩,因为中间是有一些东西的,中间是边缘。”
多云的方法
在今天的公告中,戴尔把NativeEdge描述为“业界唯一提供了大规模安全设备接入、远程管理和多云应用编排的边缘操作软件平台。”戴尔对边缘的愿景与其多云理念相吻合,客户需要跨多个平台利用边缘用例,而这需要一个平台型解决方案。
Roese说:“无论你使用的是哪种云,你都应该能够在边缘运行,但这么做的结果就是,每一种体验都需要自己的基础设施。为了让所有在容器中运行的软件能够真正地共享边缘环境,你需要构建一个平台。”
戴尔一直在分阶段地构建他们的边缘实施,包括过去几年陆续发布的边缘优化硬件,如PowerEdge服务器、PowerScale存储和VxRail超融合基础设施。但是,戴尔仍然需要一个控制平面,一种编排工作负载能够运行在具有类似云功能的边缘平台上。
今年早些时候戴尔低调地收购了Cloudify,为戴尔最近一系列关于边缘的公告奠定了基础。Cloudify的产品被DevOps团队用来管理多云环境中的工作负载和软件容器。
Roese说:“你如何知道哪些代码在那里,以及如何在其生命周期内管理它?这不是个别云会做的事情,他们不理解共享边缘的概念。我们必须将其作为一个带有控制平面的系统来交付,这就是NativeEdge,它能够编排您想要在这些边缘平台上运行的任何工作负载,将这些工作负载像云一样对待。”
简化操作
对于大型制造商来说,能够在多个工厂地点实现自动化包装和运输是需要连接多种技术的能力,例如物联网、流数据和相机图像。简化边缘操作,能够让制造商在多样化的环境中快速安全地推出新的应用。
戴尔公司边缘计算产品、战略和执行工程技术副总裁Pierluca Chiodelli在接受采访时说:“边缘是非常分散的,真正的挑战是简化自动化和保护边缘。NativeEdge是解决这个问题的下一个步骤。”
戴尔推出NativeEdge的同时还公布了一项企业研究结果,该研究评估了NativeEdge部署给客户带来的经济影响。据戴尔称,更快速的部署和通过减少新设备安装时间而节省的成本让客户从中受益。
Chiodelli指出,这次Dell Technologies World大会主题演讲观众中,有45位是NativeEdge的客户,其中许多人在塑造最终产品方面发挥了重要作用。
Chiodelli说:“这些客户让我们能够以更好的方式设计NativeEdge,他们购买的是结果,每个人都在努力寻找解决边缘挑战的方法。”
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。