至顶网服务器频道 11月29日 新闻消息: VMware在亚马逊网络服务(AWS)上运行的裸机服务上增加了新服务及新功能。
比新增功能本身更重要的意义可能在于,VMware在AWS上的裸机服务上线后三个月内就可以交付新服务和新功能。VMware产品和云服务首席运营官Raghu Raghuram最近访问了澳大利亚悉尼,他告诉记者,VMware已经重新组织了旗下的开发计划,以期能更频繁地更新旗下的核心产品。这些更新先在云里推出,最终会在本地部署消费版本上推出。
VMware在AWS上的裸机服务的大改动包括添加了保留实例(可保留一年或三年)。该服务另外还推出了第二个区 AWS美国东区(北弗吉尼亚州),原来只有美国西区(俄勒冈州),而且,VMware计划推出更大规模的AWS上的裸机服务:VMware告诉记者,在AWS里运行的集群很快将达到数万个虚拟机,软件定义数据中心将会扩展到10个群集、32个节点,这些数据中心跨越多个AWS可用区域。VMware扩大规模之举的目标是那些需要大量机器的企业工作负载。
新服务还包括VMware站点恢复服务,可用于生成虚拟机快照及储存到AWS里,如果有需要进行往云里的故障恢复,就可以激活虚拟机快照。新服务还提供从AWS到内部部署的故障恢复以及在AWS可用性区域之间的侧向恢复。虚拟巨头VMware在这一块是在追别人:微软几年前已经有类似的东西了,目标是VMware工作负载灾难恢复及一般的迁移。
虚拟巨头VMware还在第二战线开始反击,推出的 “混合云扩展”( Hybrid Cloud Extension)可以将本地工作负载迁移到AWS里,无需更改网络。 VMware云平台业务部门的产品部门Mark Lohmeyer告诉记者,往AWS的迁移可保留网络细节,例如IP和路由策略,因此无需再映射应用程序。 VMotion内置在L2网络层,因此可以这样做。
AWS上的VMware(VMware-on-AWS)裸机服务现在也可以利用AWS的Direct-Connect(直连)进一步加速迁移。另外也可以从vSphere的多个版本迁移到新的云配置。
使用该服务还有一个好处,那些刚开始用vSphere、VSAN或NSXd重型内部部署用户能够以比例许可的形式享受折扣。
Lohmeyer在与记者的交谈中还进一步提出, VMware-on-AWS以前主要是适合测试和开发。而今天在AWS的 re:Invent活动上介绍了两个新的用例:迁移和灾难恢复,这表明VMware-on-AWS的成熟。
Lohmeyer补充表示,这些新功能和服务显示出“我们季度开发周期的宏伟证明点”。
笔者知道re:invent 活动上还有别的有关VMware的消息。 虚拟巨头支持VMware-on-AWS,但也有不少别的传言,大致是说AWS将提供裸机服务器,VMware的ESXi将会可能是部署这些裸机服务器的虚拟机管理程序,只是支持模式不同。笔者将密切关注re:invent 活动的消息,有新消息时第一时间为各位爆料。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。