作者:MIKE WHEATLEY
更新时间:美国东部时间2023年6月20日13:00
慧与(HPE)今天表示,该公司正在大规模扩充HPE Greenlake边缘到云平台的功能,将今年早些时候收购的基础设施监控初创公司OpsRamp的软件整合到其中。
它还将为备份和机器学习增加新的软件即服务产品,扩充HPE Greenlake私有云产品组合,并拓展其与亚马逊网络服务公司和Equinix公司的合作。
这些消息是在今天于拉斯维加斯举行的HPE Discover上公布的。HPE GreenLake是HPE为企业提供的旗舰产品,包括硬件和软件的产品组合,以即付即用的方式向企业提供。HPE通过GreenLake提供并管理系统,按照使用状况收费,这意味着客户只需要为他们使用的计算和存储付费。
HPE首席执行官Antonio Neri表示,GreenLake包含了公司的战略,即以服务的形式提供一切服务,帮助客户将现代云体验与混合云的控制、治理、性能和可预测性结合在一起。他表示:“HPE GreenLake在这个新的类别中一直处于领先地位,今天我们扩大了混合云和私有云产品的范围、选择和能力,以此扩大我们的领先地位。”
HPE在3月份收购了OpsRamp,之后就马不停蹄地将该公司的能力整合到GreenLake之中。通过在SaaS基础上添加来自OpsRamp的软件,客户可以获得跨异构,多云环境的资产和应用的全栈观察能力和自动化。OpsRamp的第二个好处是它增强了HPE最近推出的可持续发展面板,为跨多云资产的信息技术资产提供了更高的可见性。
除了整合OpsRamp,HPE还在扩大现有混合云服务以及软件即服务产品的范围。例如,它现在为亚马逊机器图像(Amazon Machine Image)提供HPE NonStop开发环境(HPE NonStop Development Environment),HPE欺诈风险管理(HPE Fraud Risk Management)也作为SaaS产品跻身AWS市场。
HPE GreenLake for Backup and Recovery能够经济高效地实现长期数据保留,其范围已经扩大到由微软SQL Server和亚马逊关系数据库服务管理的企业内部和云数据库。HPE的机器学习开发环境,通过HPE GreenLake提供优化的人工智能基础设施和机器学习软件,现在已经可以在HPE GreenLake for High Performance Computing上使用。
在另一项公告中,HPE表示,它正在扩充GreenLake的私有云产品组合,这些产品提供了企业建立自己的私有云所需的一切。该产品组合中的最新产品是HPE GreenLake for Private Cloud Business Edition,它使客户能够根据需要在混合云中启动虚拟机,并通过AIOps简单地自行管理这些云。
同时,现有的HPE GreenLake for Private Cloud企业版产品已被扩展到解决边缘用例,获得了连接到数以千计分布式IT点位的能力,HPE表示它可以为云原生和传统应用提供管理服务。该产品还将在未来几周增加对红帽OpenShift的支持,以及新的多云功能,使其有可能通过AWS、谷歌云、微软Azure和VMware vSphere自我提供工作负载。
HPE与VMware的长期合作关系得到了进一步深化,推出了HPE GreenLake for VMware Cloud Foundation扩展功能。除了软件授权、安装和持续管理服务之外,该产品现在还提供预配置和测试云模块,并针对VMware Cloud Foundation进行了优化。HPE表示,通过HPE GreenLake管理VMware Cloud Foundation,企业可以更容易地转移资源以满足不断变化的业务需求,同时避免过度配置。
最后,HPE表示扩充后的私有云产品组合将在全球多个Equinix数据中心进行预配置,让客户在部署私有云的时候拥有更大的灵活性。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。