根据VMware研究结果显示,到2024年预计将有5.8亿现代工作负载运行在包括公有云、本地、边缘、电信云和托管云的多样化分布式环境中。
在近日VMware Explore 2022大会上,VMware发布了云和边缘基础架构解决方案的突破性创新功能,帮助企业机构在私有云、公有云和边缘更好地运营、扩展和保护各类企业工作负载。
VMware高级副总裁兼云计算基础架构业务部门总经理Mark Lohmeyer告诉记者,越来越多的企业进入到多云环境中,这带来一系列云孤岛环境的挑战,比如更大的风险,更高的成本,以及实现价值需要的时间更长。
VMware高级副总裁兼云基础架构业务部门总经理Mark Lohmeyer
基于此,VMware提供企业级的基础架构,涵盖计算、存储、网络和管理,跨越公有云、私有云、自有数据中心和边缘不同的环境,帮助客户实现一致的现代化基础架构,并且打造现代化应用。
VMware vSphere 8和VMware vSAN 8
作为拳头产品,VMware推出VMware计算和存储解决方案的最新版本——VMware vSphere 8和VMware vSAN 8。
VMware vSphere 8通过将DPU(数据处理单元)与CPU和GPU相结合,开创了异构计算的新时代。
Mark Lohmeyer介绍说,vSphere 8将引入之前被称为Project Monterey的vSphere Distributed Services Engine。通过与技术合作伙伴AMD、英特尔和NVIDIA以及OEM系统合作伙伴戴尔、惠普企业服务集团和联想密切合作,vSphere Distributed Services Engine将开启硬件创新,帮助客户满足现代分布式工作负载的吞吐量和延迟需求。vSphere通过将网络和安全基础架构功能从CPU卸载到DPU上、并进行加速来实现这一目标。
此外,vSphere Distributed Services Engine通过在DPU上运行基础架构服务、并将其与工作负载域隔离,从而提高基础架构的安全性。
vSphere 8将大幅加速人工智能和机器学习应用,将每台虚拟机的虚拟GPU设备增加一倍,增加4倍透传设备以及支持厂商设备组绑定高速网络设备和GPU。在开发运维团队方面,vSphere 8将包含Tanzu Kubernetes Grid 2.0,使Kubernetes功能扩展到多可用性区域,从而提高弹性,并简化集群生命周期和软件包管理。vSphere 8中的全新Cloud Consumption Interface服务将为开发者和开发运维工程师提供基于Kubernetes的通用API端点和用户界面,实现对整个VMware Cloud IaaS服务的快速便捷访问。
作为具有超融合基础架构、同时针对现代硬件优化后的新一代存储平台,vSAN 8带来了突破性的性能和高效率。重新构建的全新vSAN Express Storage Architecture将提升在最新存储设备上运行的vSAN性能和存储效率,同时改善数据保护和管理。vSAN 8将为客户提供一个支持现代TLC存储设备、并将性能提升4倍的未来就绪基础架构。
此外,通过高效数据保护以及效率高达四倍的增强型数据压缩功能,客户的总体拥有成本最高将减少40%。新的存储池结构可提供更小的故障域、更快的重新同步时间以及实现高达100倍运维速度的本地快照,客户还可以享受到可用性的大大提高。
除了VMware vSphere 8和VMware vSAN 8,VMware还推出了VMware Cloud Foundation+、面向超大规模用户的VMware Cloud、VMware Edge Compute Stack 2、与NTT合作的边缘托管解决方案、VMware Private Mobile Network(公测版)。
Mark Lohmeyer表示,VMware将计算、网络、存储和管理能力集成到VMware Cloud Foundation(VCF)软件环境,帮助用户将数据中心改造成一个自动化的私有云环境。
VMware还推出了全新的多云管理产品组合VMware Aria,它将提供一套端到端解决方案来管理云原生应用和基础架构。新产品将帮助客户跨公有云和私有云,来管理成本、性能、配置和交付。
Aria集合了vRealize、Cloud Health的所有能力,变成统一集成的产品组合。它不仅仅能够跨越VMware技术基础设施,同时可以跨云原生环境,核心是Aria Graph,提供所有应用实时的映射,可以展示所有组件和应用之间的依存关系,可以有效连接所有的管理能力和数据集,交付有价值的新用例。据悉,Aria既可以部署在本地又可以部署在云上。
“Aria是帮助客户实现云智能具有关键意义的产品之一,其包含了人工智能、机器学习、深度学习,可以用一个通用的管理工具跨越各种各样的云环境,实现自动化和优化的多云环境。”Mark Lohmeyer说。
相比分布式云,Mark Lohmeyer认为,混合多云的概念更广泛,这需要一致性的基础架构和运行模式。“对于vSphere、vSAN、Aria等产品组合,我们会针对具体工作负载进行跨数据中心的优化。”
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。