初期不收费,但后续的多年运行将长期保持计费。
IBM认为,如今正是将Power支持的云方案推向本地的最佳时机。
IBM Power Virtual Server Private Cloud虚拟服务器私有云于本周二低调发布,基于IBM Power虚拟服务器,且蓝色巨人打算以用户熟悉的IaaS服务形式对外租赁。
蓝色巨人对其外部虚拟服务器服务的宣传工作充满热情,并在产品手册中指出“以往依赖于本地基础设施的IBM Power Systems客户,现在能够快速、经济地将其Power IT资源扩展至外部。”手册还提到,云Power服务器与本地设备相同,因此不需要对软件或许可证做任何调整。
IBM Power虚拟服务器私有云同样继承Power设备的血统,只是设备将被部署在用户指定的位置,并由IBM将其作为托管基础设施即服务进行运营。
就是说尽管服务器以及相关网络和存储套件均部署在本地,但私有云管理工作仍然通过IBM Cloud进行。
IBM专为这项服务打造了Power服务器“pod”。小型Pod可容纳两到四台运行服务器,每台服务器配备8 TB内存,总计最多可容纳340个可用CPU核心以及438 T可用存储空间。全部套件均可安装在同一机架之内。
中型Pod最多可容纳40台服务器,其中一些能够搭载需要32 TB内存。部分Pod可提供1615个可用核心以及大约3.5 PB的存储空间。中型Pod需要分布在多台机架之上。
目前受支持的操作系统包括AIX、IBM I以及RHEL。
蓝色巨人将为客户提供一年、三年或五年期服务,但无需任何预付款,只需在后续使用过程中按资源消耗水平按需付费。计算、内存、存储及操作系统许可证均可精确计量。
IBM并不是唯一一家将云(包括硬件及全部服务内容)引入本地场景的厂商,甲骨文与亚马逊云科技已经采取了行动。微软的本地云方法也有诸多变化,其公有云Azure Stack子集可在商用硬件上运行,是旗下最接近IBM、亚马逊云科技及甲骨文设备类型的产品。
谷歌的方案则有所不同:其Anthos产品是一款针对混合运行专门调整的Kubernetes发行版,且通常运行在由企业级服务器部署组成的商用硬件之上。
IBM Power虚拟服务器私有云主要面向那些需要将敏感或受监管数据保留在本地,并希望将IT转化为运营支出的用户。IBM的竞争对手也普遍提出了同样的业务定位。
当然,蓝色巨人几十年间一直在推进这类业务,其大型机产品线就普遍基于消费用量计费。
本次新品的不同之处,主要体现在云端管理方面。
IBM的云业务并不算其强项。然而,Power系统仍然有着令人印象深刻的弹性与强大性能。但这位IT巨头自己也清楚Power架构的局限性,因此在强调其作为关键应用用例的理想选择之余,IBM也提供云x86选项,用于支撑宣传视频中所描述的“微不足道”的工作负载。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。