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
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。