全新VMware Tanzu平台增强功能、Spring连同Spring AI、Spring Boot 3.2和Data Services,推动新一代现代化应用发展
中国北京,2023年11月8日—— VMware(NYSE: VMW)今天发布领先的Java开发框架——Spring的最新更新,以及VMware Tanzu Platforms、VMware Tanzu Data Services 和 VMware Tanzu Intelligence Services 增强功能,帮助团队更加快速、经济高效且安全地开发、运营和优化性能更强大的应用。
软件开发团队身处业务创新的最前沿,他们所构建的现代化应用推动企业市场份额和收入的增加。但要快速交付集成AI和机器学习等前沿技术的应用,往往需要学习新工具、平台,并掌握更多技能。即便越来越多的软件交付职责“左移”,这些要求也会使交付过程变得复杂。生成式AI将继续重塑各个行业,为所有企业带来巨大的机遇。
VMware 高级副总裁兼现代应用和管理业务集团总经理 Purnima Padmanabhan 表示: “如今,创新速度已成为企业在竞争中脱颖而出的关键。新一代应用的价值将通过机器学习、AI等新功能以及跨任何云的可扩展性得到提升。几十年来,我们一直致力于为开发人员提供优秀的工具和体验。今年正值Spring诞生 20周年,我们的最新增强功能以及与Tanzu Platform的深度集成支持应用团队能够在新应用中充分利用AI等更多前沿技术,并且快速、安全且更有保障地将这些应用用于生产。”
通过VMware Tanzu Application Platform实现现代化数据集成和创新
现代化应用的开发和交付日益复杂,给企业造成了太多“孤岛”、低效与风险。VMware Tanzu简化底层基础架构的体验、安全性、工具、内容和数据服务以及开发人员体验,使应用和基础架构团队可以更好地开展协作,安全且大规模地向任何地点的任何云交付更高质量的应用。VMware Tanzu 在其应用平台产品中推出了以下增强功能,帮助开发人员和平台团队通过软件交付业务成果:
Spring增强功能通过AI和应用安全为开发人员提供支持
今年是最常用的Java开发框架——Spring诞生20周年,也是Spring Boot诞生10周年。Spring Boot连续五年同比增长50%1。通过 Spring,开发人员可以将创新功能集成到熟悉的Spring体验中,从而简化构建新一代应用的路径,在日新月异的技术变革中保持领先。
今天的更新旨在提升应用性能,降低成本和提高安全性,以适应云容器和无服务器等现代化运营模式,包括:
Tanzu Data Services集成机器学习(ML)和AI功能,并简化数据机群管理
数据服务(包括消息传递、缓存、处理和数据库等)是现代化应用架构驱动跨任何云的下一代工作负载所不可或缺的。Tanzu Data Services增强功能增加了新的ML/AI 功能,提高并优化了性能,实现了管理的精简化,包括:
Tanzu Intelligence Services实现主动治理和持续优化
在VMware Explore 2023 Las Vegas 大会上首次推出的Tanzu Intelligence Services帮助企业洞察、持续改进和主动治理其应用和云相关的成本、性能与安全问题,通过近乎实时的策略来适应不断变化的业务需求。新功能包括:
Tanzu平台内的功能将继续被集成到通用控制平面 VMware Tanzu Hub 中。今天,我们将发布Tanzu Hub的增强功能,包括全新的用户体验和导航;来自 Tanzu Insights 的集成可观察性解决方案;来自 VMware Tanzu Transformer 的迁移规划和评估;来自 Tanzu CloudHealth 的成本报告,包括云智能摘要、成本历史记录、合理调整和异常检测;以及 Tanzu中的智能辅助功能增强为除了环境清单外,还可搜索第三方文档等外部来源,以便更好地诊断和解决跨环境的问题。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。