下一代数据中心基础架构解决方案提供商Nutanix公司日前宣布推出一个全面计划,为虚拟桌面基础设施(VDI)管理交付简捷性和可预测性。该解决方案是业界首创也是唯一一款VDI高性价比解决方案,Nutanix客户可藉此为每个桌面购买先进的网络规模基础设施,并降低其VDI投资风险。
购买用于VDI的传统服务器和存储设施非常复杂,而且如果大小或设计不合理,还会对用户体验造成伤害。因此,业界已经开始试验DaaS(桌面即服务)方案,旨在实现更强的可预测性,同时关注实际的终端用户桌面体验。很遗憾,这些基于云的方案难以满足本地部署方案的安全性和长期总拥有成本(TCO)需求。Nutanix Per Desktop Program助力企业以可预测的公共云服务方式购买并部署桌面基础设施。这种方式实现了最低的长期成本,并且保留了本地部署的控制与管理优势。
作为此次全新方案的一部分,Nutanix提供VDI Assurance以确保每个虚拟桌面都能接收足够的服务器和存储资源,从而交付始终如一的高品质体验。VDI管理人员无需费力估算CPU、内存和存储资源,这些数据往往在整个项目过程中会随不同用户配置文件而发生明显波动和意外变化。IT管理人员现可轻松确定其环境中VDI用户的类型和数量,并将评估基础设施需求的风险交给Nutanix。Nutanix推出该方案实行了基于每个桌面的VDI采购形式,从而简化了虚拟桌面项目,为IT管理人员带来100%的性能和成本上的可预测性。
该方案可最大限度地支持广泛的VDI用户配置,例如设备, 任务, 知识和超级用户,以确保企业精确支付其用户所需的资源。该方案可用于基于VMware Horizon或 Citrix XenDesktop的VDI项目,最少150个桌面,可无缝扩展到10,000或更多桌面。Nutanix此款方案可明确支持真实的VDI图像并可确保基础设施资源,因而赋予IT团队长期保持虚拟桌面最低成本的能力。
对于预算宽裕且部署灵活的企业,Nutanix制定基于时间的Per Desktop购买方案。因此,企业可轻松获得所需的基础设施,但是只需支付与所用时间相对应的费用。之前只有公共云方案可用的长期或定时消耗模式,现在企业也可用以支持任何VDI项目。
美国加州圣马特奥市首席信息官(CIO)Jon Walton谈到:“Nutanix推出的此款全新保障计划,可满足巨大的市场需求。IT团队一般都了解购买和支持传统PC的成本,本解决方案可轻松预测VDI项目。Nutanix在交付的技术和商业模式上持续创新,成为虚拟计算平台VDI的理想选择。”
借助荣获大奖的Nutanix Prism架构,Nutanix交付一系列强大的VDI优化,包括MapReduce除重, VMCaliber快照与压缩, 影子克隆以及简捷的一键式管理性。通过集成易管理性,丰富的技术功能和VDI Per Desktop Program,Nutanix已再次印证了它是任意规模VDI部署的最佳选择。
Nutanix全球销售与业务部门高级副总裁Sudheesh Nair说到:“不准确的测算、不充分的资源以及较高的TCO持续为运行在传统数据中心基础设施上的VDI项目带来挑战。我们深思熟虑,仔细分析问题,从而提出了一个全新的采购模式,这将颠覆VDI市场,为客户降低风险。借助VDI Per Desktop Program,我们的客户可以像他们购买微软、思科和VMware等企业的软件一样,购买桌面基础设施。”
Nutanix正在Citrix Synergy 2014大会上展示其解决方案
Nutanix现正于5月6日至8日期间在美国安那罕会展中心举行的Citrix Synergy 2014大会300号展位上展示其VDI解决方案。届时,Nutanix技术专家将亲临现场讲述面向XenDesktop和XenApp的VDI Assurance Program 和 Citrix Validated Solution。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。