作为EMC联邦旗下的融合型基础设施厂商,VCE中“C”所代表的思科公司已经成为一家无甚话语权可言的合作伙伴。与此同时,VCE公司还发布了新的向外扩展产品,并第一次对原本的“思科将始终提供全部网络方案”规划作出了妥协。
其向外扩展产品对于VCE也象征着一种新的起点,因为该公司此前所销售的主要为不具备扩展能力的融合型设备。归功于“VCE Vscale架构”的有力推动,VCE公司终于能够将其vBlock方案与前所未有的大规模设备相结合。VCE公司首席技术官Trey Layton在接受采访时指出,目前对于那些运营着网络级别规模业务的买家来说,上千台机架也早已经不算什么大事。那些需要此种可观设施规模的客户还能够享受到其专门面向存储或者服务器的全新“VCE技术拓展”成果。这里提到的服务器将采用思科UCS,而存储机制则由EMC Isilon充当。不过就当下而言,VCE方面希望能够在“拓展”方面更进一步,将涵盖范畴推广到EMC的全部存储业务领域。
另一项重要变化在于“VxBlock系统”的出现。正如其vBlock表亲一样,VxBlock将在集成、测试以及验证过程当中不断提高自身水平。但与vBlock不同的是,VCE方面可以考虑向其中引入非思科型组件。目前VxBlock产品共分两种类型,其一集合了VMware的软件定义网络产品NSX、其二则配备有Application Centric Infrastructure产品,也就是思科公司在软件定义网络领域的竞争对手/替代方案。VCE公司承诺将在2015年年内推出更多VxBlock方案。Layton在采访当中指出,这些后续产品能够囊括来自其它供应商的组件与软件,因为VCE公司仅仅承诺在“vBlock”产品线中以排他方式采用思科产品。
VCE公司为2015年发展前景筹划的另一项变量在于vBlock软件包预配置应用程序。该公司并没有明确谈到除了EMC联邦同胞Pivotal之外(在我们看来,这里肯定有Cloud Foundry的事)、他们还与哪些其它厂商合作开发这些新型vBlock方案,而仅仅告诉我们该公司应用程序供应商就这一思路表现出的浓厚兴趣以及目前已经得出的大量成果感到非常兴奋。值得注意的是,此类思路在VCE的发展轨道当中并不属于新鲜事物,因为Avaya长久以来一直在提供运行在预配置VMware软件之上的统一化通信堆栈设备。
这一次同时传出的消息还有,“联邦企业混合云VCE基金会”将允许“厂方将更多其它VMware及EMC技术集成在其产品当中”,包括NSX、vRealize以及EMC ViPR。
再有,关于VCE Vision Intelligent Operations 3.0软件的升级消息也一并出炉。此次升级使该软件能够顺利与新的向外扩展产品相对接,并同Vscale架构提供的单一逻辑实体相协作。其它新闻还包括,去年公布的Vblock 540与570如今已经开始销售,而新鲜亮相的“VCE Integrated Solutions for Cloud Management”据称能够提供一套“开箱即有的云基础平台”。
Layton告诉我们,以上提到的公告彰显了VCE公司作为EMC联邦成员所制定的未来发展规划,同时也再次证明了思科已经将自身降级为普通合作方。他同时指出,VCE的新型应用程序绑定计划意味着该公司并不会因为被拿出来与甲骨文比较而感到不快,但在其看来与多家应用程序供应商协作将成为两家企业之间的本质区别。
今天发布的另一项重要消息是,VCE公司将作为VMware即将推出的EVO: Rack超大规模产品方案的初始合作伙伴之一。由此看来,新的VCE Vscale架构很可能成为虚拟巨头新产品中的组成部分。
那么这一切究竟意味着什么?想当初,EMC公司于1999年收购了Data General,而后者一直在坚持生产Clariion阵列以及服务器产品。在过去一年当中,部分分析人士认为EMC有可能重新回归服务器业务市场,但就现在看来这种可能性几乎为零。不过封装及支持服务器产品则很可能成为EMC联邦的新方向,并借此把其方案推向私有云与混合云,外加目前风头正盛的超大规模环境以及应用设备。更令人振奋的是,这一领域中的竞争对手还不算太多。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。