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
今天讲的出海案例是三星医疗,一家从宁波起家做智能电表的A股公司,旗下子公司三星瑞典签下荷兰最大区域电网运营商Enexis的变压器框架合同,金额1.17亿欧元,约合9.49亿元人民币。
香港大学团队开发的Utonia首次实现了跨领域3D点云数据的统一处理,通过因果模态屏蔽、感知粒度重定标和RoPE增强位置编码三大创新,让一个AI模型就能理解室内扫描、户外雷达、工业设计等各种3D数据。该方法不仅在多个基准测试中超越专门模型,还在机器人操作、空间推理等应用中展现出色性能,为未来空间智能技术发展奠定重要基础。
人工智能正推动计算需求激增,但电信运营商面临结构性障碍:专有技术控制着其无线接入网络。开放RAN旨在打破这种控制,为创新开门。Stackpane首席执行官指出,推理工作负载更加计算密集,代理AI框架需要更严格的策略控制。RAN智能控制器仍被诺基亚等少数供应商垄断。电信运营商规模有限且监管严格,难以实现技术部门的规模经济和快速创新。
Physical Intelligence团队发布了FAST技术,这是一种全新的机器人动作学习方法。该技术通过频域压缩解决了传统方法在高频精细动作上的训练难题,将训练效率提升5倍。FAST首次实现了机器人在未见环境中的零样本操作,能够完成衣物折叠等复杂任务,为通用服务机器人的发展奠定了重要基础。