超融合巨星Nutanix已经与IBM达成一项多年合作协议,把新的工作负载带入由IBM及其合作伙伴销售的超融合部署中。
据IBM表示,集成产品将结合Nutanix的Enterprise Cloud Platform软件与IBM Power Systems,瞄准大型企业的关键工作负载。
Nutanix首席执行官Dheeraj Pandey在声明中称:“通过这次合作,IBM Power系统的客户将可以通过使用他们内部部署的基础设施获得类似公有云的体验。企业客户采用这种规划的设计,能够以任何规模运行任何关键任务负载,利用IBM的服务器技术,将世界级虚拟化和自动化能力嵌入一个横向扩展的架构中。”
这款Nutanix IBM合作的超融合解决方案将仅通过IBM的销售团队和渠道合作伙伴进行销售。
据IBM Power Systems副总裁Stefanie Chiras表示,双方通过合作将实现全堆栈的结合,利用内嵌的AHV虚拟化(AVH是Nutanix企业级就绪的虚拟机管理程序)以实现数据中心内便捷的体验。
“我们与Nutanix的合作旨在给我们共同的企业客户提供可扩展的、弹性的、高性能的超融合基础设施解决方案,让他们受益于Power架构的数据和计算能力,以及Nutanix Enterprise Cloud Platform的一键式简单性。”
双方表示,这次合作将提供首个易于部署、Web级的架构,支持IBM Power Systems计算,以支持包括大数据、人工智能和机器学习在内的一系列企业工作负载。双方还着眼于像云原生工作负载这样的工作负载,包括全堆栈、开源中间件、企业数据库和容器等。
IBM表示,具体时间表、型号和支持的服务器配置将在供货的时候公布。
本月早些时候,Nutanix表示其软件将由渠道合作伙伴部署在HPE ProLiant服务器上。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。