企业云计算领导者Nutanix®(纳斯达克代码:NTNX)公司今日宣布,Nutanix企业云平台(Enterprise Cloud Platform)®软件除了能支持之前宣布的思科UCS C系列平台外,还可以按期限授权部署于Hewlett Packard Enterprises™(HPE)ProLiant®机架式服务器和思科UCS®B系列刀片服务器。本次Nutanix的发布旨在响应大型企业及服务提供商渴望更灵活地使用Nutanix企业云平台™软件的需求,同时为其即将上市的渠道及系统集成合作伙伴生态系统创造新机遇。
这些新获得支持的硬件选项将扩展Nutanix软件的部署潜力,使其不仅适用于从公司或其全球OEM合作伙伴--戴尔和联想公司购买的新设备,而且适用于企业数据中心和云数据中心内已投入使用的数百万台HPE ProLiant和思科UCS服务器。Nutanix企业云平台将很快能够集成到Nutanix或OEM品牌设备中,或者只作为软件安装到Nutanix认可的四大企业服务器供应商的认证第三方x86平台上。这四大供应商在2016年的出货量合计占到全球服务器市场的52%以上,销量超过500万台。
企业云构建商需要更灵活地选择硬件平台,同时保持一致的操作环境和高敏捷性。客户将能选择在经过认证的HPE或思科服务器上部署新的Nutanix纯软件授权,同时还能选择将纯软件授权转移到另一个经过认证的第三方平台上,包括此后通过认证的其他x86服务器。这种灵活性减少了硬件商品化的风险,同时最大化实现Nutanix纯软件授权的价值。
除了硬件选项,云构建商还需要在构建和扩展云环境的同时混合各种消费模式。为此,Nutanix还发布了一项名为 Nutanix Go的新计划,该计划能提供在运营预算范围内的企业云基础架构,并能灵活地扩大或缩小该基础架构。新计划还将结合公有云的购买体验,让客户突破预算被长期固定投放的束缚。
作为全球100多个国家的5300多个客户在基础架构方面的不二之选,Nutanix在构建企业云时将提供最多的硬件及消费模式选项。数据中心团队可以根据业务定义正确的硬件及购买模式,同时整个基础架构仍然同样具有消费者级别的运营体验。这个数据中心操作系统经过八年的开发,已经成为一个不依赖于硬件的、由API驱动的网络级软件架构,支持包括虚拟化、基于容器和裸机在内的几乎所有工作负载。
把Nutanix当作软件消费
企业云构建商和Nutanix即将上市的渠道及系统集成合作伙伴生态系统需要将操作系统和底层硬件完全抽象化,以便快速认证和测试新的服务器平台。Nutanix可以迅速支持日益增多的合作伙伴及第三方硬件平台,这得益于Nutanix对先进的一键式硬件认证包Metis的大规模投资。Metis能够对现成的x86平台自动部署、测试和扩展Nutanix软件。
从最初的安装到整个基础架构生命周期,用户都能自由地选择正确的硬件平台。例如,任何软件堆栈层(包括Nutanix软件、Nutanix Prism管理、系统管理软件、BIOS和平台固件)中执行的新软件驱动功能都可以用Prism的一键更新功能直接导入生产。硬件平台的持续运行状态可以通过Nutanix Cluster Checks (NCC)软件插件自动监控。随着数据中心设计的发展,新的Nutanix纯软件授权可以自由转移至其他经过认证的第三方平台,最大程度确保灵活性,并能防止因为硬件锁定而降低业务的敏捷性。
无论客户选择任何认证平台,Nutanix备受赞誉的全球支持团队都能处理首次支持事件,和客户所选的硬件制造商补充现有的支持和维护合同。
Nutanix Go定价提供全新经济型消费选择
当数字转型使企业业务变得越来越不可预测,各行各业的CIO们很难做出准确的长期IT投资决策。花钱购买关键基础架构这种传统做法正在逐渐被更加灵活的、按季度支付IT运营费用的方式所取代。与资本支出不同的是,运营支出可以降低整体财务风险,满足CIO和CFO们对业务敏捷性的迫切需求。
Nutanix Go定价扩大了客户的经济型消费选项,能让IT领导者用运营预算来构建企业云,期限高度灵活,短至六个月。这是企业第一次可以在既需要扩展数据中心以满足高峰需求,又需要缩小基础架构以减少开支时获取的Nutanix基础架构。IT项目不再被典型的3-5年的更新周期所限定,或仅为获得财务灵活性而迁移到公有云上去。
定价及发售
Nutanix计划于2017年第四季度发售适用于新老HPE ProLiant服务器的企业云平台软件。具体的模式及支持的服务器配置将在发售时公布。面向思科UCS B系列刀片服务器的Nutanix企业云平台软件现在即可作为技术预览获取,本季度全面发售。Nutanix软件授权定价将以期限为基础,包括Nutanix全球支持服务在内。特定Nutanix NX设备的Nutanix Go定价现已公布,将面向经过认证的美国客户发售,之后将面向全球发售。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。