由于客户仍然对博通针对VMware制定的计划感到不安,因此VMware正在极力确保客户的Tanzu应用开发和现代化工具包不仅继续存在而且运行良好,并且是收购后战略的一个关键组成部分。
博通Tanzu部门总经理Purnima Padmanabhan在接受媒体采访的时候表示,收购之后收购成为Tanzu成为VMware的四大运营部门之一,此外还有Cloud Foundation私有云一、高级网络和安全、软件定义边缘。收购之后的VMware将专注于简化Tanzu、提高应用管理能力、推动Spring框架在Java开发中的接受度。
她说:“我们的目标是提供一个加速应用交付的平台,Tanzu品牌和Cloud Foundry、Kubernetes以及许多底层技术相关,我们将及时了解最新的、最好的技术,这是战略上的完善和重点。”Cloud Foundry是VMware开发以开源形式发布的一种多云应用平台即服务。
力求简单
Padmanabhan表示,Tanzu的开发由三个优先事项驱动:更简单的交易、为开发人员提供的一组通用应用接口、以及一个通用控制平面,“它可以让您持续了解环境,以便操作员可以看到部署了哪些应用以及这些应用是如何连接到平台和基础设施的。”核心控制平面是Tanzu Hub,它提供了对整个操作环境的连续视图。
简化策略的其中一部分,是结合她所说的Tanzu用户过去必须组装的“一袋零件”,包括开发平台、Tanzu Mission Control、Tanzu Service Mesh、应用服务、Spring、Tanzu Data Services、Tanzu Intelligence Services、CloudHealth和Tanzu Observability。
Padmanabhan表示:“我们将简化我们的投资组合,将设置集群管理并自动连接服务网格和负载均衡器,这样您就不必单独构建每个组件。无论您是在虚拟机还是Kubernetes上使用Tanzu平台交付Cloud Foundry类型的运行时,我们都将提供一系列通用的承诺。”
VMware致力于使客户能够在他们选择的云平台上部署Tanzu构建的应用,不过他们将从Cloud Foundry获得最强大的能力和功能。Padmanabhan表示:“我们为您提供多云功能,但有了Cloud Foundry是最好的,这是一个完全包含的解决方案,为开发人员提供了一组非常简单的接口,并将容器系统融入到平台中。”
那些使用Cloud Foundry的组织可以使用他们选择的任何Kubernetes运行时环境作为基础,同时利用Cloud Foundry独有的生态系统进行扩展。
连接AI服务
Padmanabhan表示,Tanzu很好地利用Greenplum数据仓库、分析和AI平台、Gemfire内存键值存储和RabbitMQ消息代理跟上当前AI开发的蓬勃发展。“作为一名平台工程师,您只需单击一下或使用‘绑定’等单个命令,就可以向开发人员提供这些数据服务。‘bind’命令不仅适用于Tanzu数据,还可以连接到任何外部数据系统。我们看到,AI用例正在变得越来越重要。”
对于开发人员来说,将这一切结合在一起的就是Spring,VMware表示,Spring是最受欢迎的Java框架,用户群每年增长50%。“当你在Spring中构建应用的时候,我们会让它们的性能提高10倍,Tanzu是承载Spring应用的最佳场所。”
开发人员可以使用Spring框架将Python或者.NET构建的模型集成到Java应用中,或者连接到AWS Bedrock或者OpenAI GPT-4。她说:“Spring AI的力量不在于重新创建模型,而在于将模型连接到您的应用以进行推理,客户表示,这突然让他们可以更轻松地使用AI了。”
好文章,需要你的鼓励
Songscription公司发布AI音乐转录工具,可在几分钟内将音频文件转换为乐谱。该产品采用免费增值模式,面向专业和业余音乐家。目前主要支持钢琴转录,未来计划增加吉他谱等功能。用户可上传音频文件或直接从YouTube链接进行转录,系统还能生成钢琴卷帘谱。公司定位为增强型音乐记谱软件,帮助用户加速转录过程。该初创公司已获得Reach Capital的预种子轮融资。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
甲骨文宣布签约一位神秘大客户,预计从2028财年开始每年将贡献超过300亿美元收入,这将使其云业务规模翻倍以上。CEO萨弗拉·卡茨透露,公司多云数据库收入持续以超过100%的速度增长。甲骨文2025财年总收入574亿美元,其中云收入244亿美元。公司采用独特的云策略,在竞争对手的数据中心部署自己的基础设施,主要运行甲骨文数据库以提供低延迟访问。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。