作者:Rohit Badlaney,IBM Cloud 产品和行业平台总经理

北京2023年8月31日 /美通社/ -- 企业已经广泛采用混合云来实现敏捷性,并推动数字化转型。这要求企业能够跨多个环境(通常是多云环境)运行工作负载和应用。与此同时,许多企业难以应对协调所有工作环境的复杂性。对于企业来说,尤其是那些负责保护敏感数据的高度监管行业的企业,确保IT基础架构全面运行、避免风险盲点至关重要。随着勒索软件攻击持续增加,安全与合规要求不断提高,以及客户对便捷、无缝体验的期望空前高涨,企业要做的工作还有很多。实现高质量的数字化转型需要正确的技术、技能和支持,只有如此,企业才能在今天的混合云世界中脱颖而出。
为此,VMware 和 IBM 基于双方 20 多年的合作伙伴关系开拓创新,提供全新扩展的解决方案,为双方客户在部署和管理 VMware 工作负载方面的需求和目标提供支持。通过双方在市场进入、销售和支持计划等方面的紧密配合,这些有针对性的解决方案以及灵活的消费模式旨在帮助 IBM 和 VMware 的合作伙伴和共同客户更轻松地提供差异化服务、降低总体 IT 成本,并优化云上投资。
近日,IBM 和 VMware 共同宣布:
借助IBM 和 VMware 的混合云能力,加速企业工作负载现代化
IBM 和 VMware 希望帮助客户实现数字化转型,无论他们处于现代化旅程的哪一阶段。为此,在即将推出的VMware Cross-Cloud 托管服务计划中,IBM 将成为首家推出基于 VMware Cloud 版本的合作伙伴托管服务的公有云提供商。VMware Cross-Cloud托管服务提供的混合云环境与经过NIST 验证的框架保持一致,该框架支持工作负载在本地和 IBM Cloud 环境之间的无缝迁移。VMware Cross-Cloud托管服务旨在帮助客户降低总体拥有成本 (TCO),快速构建应用并实现现代化,在简化运营的同时,满足安全性和行业合规需求。
此外,IBM 和 VMware 基于 IBM Cloud for VMware 即服务构建了云托管的多租户 vCloud Director 解决方案,以引入新的消费选项,以较低的入门成本实现更大的灵活性和可扩展性。该解决方案支持客户在共享环境中使用,同时可以根据独特的业务需求定制应用实例。基于IBM Cloud 管理面板,客户还将受益于具备 VMware 专业知识的 IBM 技术人员提供的内置维护、升级、监控和安全控制。
优先考虑复杂混合云环境中的安全成熟度
根据 IBM 最新的数据泄露成本报告,企业在应对不断增加的数据泄露成本和频率时的做法各不相同:在遭遇数据泄露事件的全球受访企业中,57% 的企业更可能将事件成本转移给消费者,而非增加安全投资(仅有51%的受访企业选择此选项)。
去年,我们推出了 IBM Cloud Cyber Recovery解决方案,通过备份、灾难恢复和网络恢复保护企业的宝贵数据。现在,客户可以与 IBM Consulting 合作,以托管服务的形式将IBM Cloud Cyber Recovery(ICCR)服务带给企业,借助其多云环境下的快速、可扩展的数据恢复能力,保护企业数据,从而最大限度地减少网络攻击对业务的影响。IBM Cloud、 VMware 虚拟化模型以及这一全新托管服务产品的强强联合,可以帮助客户简化安全工作负载,同时保持整体业务所需的合规控制和数据弹性。
释放伙伴生态合力
如今,合作伙伴生态已经成为企业获得新的技术、研究成果和能力的重要途径,这些能力仅凭一己之力很难获得。更重要的是,与对的合作伙伴携手共创,有助于加速客户的应用现代化旅程。在今年的 VMware Explore 大会上,我们展示了如何与生态合作伙伴共同为客户提供服务:
有关 IBM 和 VMware 如何帮助客户在混合环境中实现现代化的更多信息,请访问:https://www.ibm.com/cloud/vmware。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。