看今天云计算市场的发展,从公有云到私有云,一个重要的创新形式就是针对客户的实际需求推出了混合云解决方案。在这样的背景下,华云与VMware合作推出了华云VCPP服务。近日至顶网独家采访了华云数据集团产品中心副总裁郭晓。详细介绍了VCPP对于企业用户的价值。
华云数据希望实现两朵云无缝迁移
从2016年开始华云与VMware签订了战略合作协议,双方联合在中国来落地VCPP服务,华云希望通过基于VMware虚拟化的技术,去打造一个高品质的公有云的服务,来服务对系统性能、安全性、稳定性有特别高追求的用户。同时因为VMware的虚拟化产品市场占有率非常高,通过合作,为传统的私有云用户打造基于公有云的统一节点,帮助用户在实现私有云与华云的VCPP公有云之间的两朵云直接的无缝迁移,所以在这个理念之下,华云开始做数据中心。明年上半年,华云的数据中心还会扩展到北京、上海、深圳、成都这几个城市。
三种服务模式体现VCPP价值
郭晓谈到VCPP数据中心提供给用户三种的服务模式。
第一种服务模式,公有云服务,根据用户的实际使用量进行收费,VMware提供虚拟化技术,华云提供整个数据中心的资源,以及运维能力、监控管理能力,另外华云投入了20个以上的VCPP认证的工程师,让用户获得一个比较好的服务,以及比较快捷的服务响应。
目前VCPP数据中心在全国布局了100多个(pop)接入点,用户可以通过自己的(pop)接入点把私有云和华云的公有云网络打通过,当然我们的用户也可以直接把光纤拉到华云的数据中心,这是华云VCPP数据中心公有云服务的模式。
第二种模式,托管私有云的服务,传统的这个情况下,如果用户想上基于VMware技术的私有云的话,第一件事情要把设备准备好,第二把数据中心准备好,第三把软件的服务买好,然后去部属。华云现在采用预先采购的方式,通过快速部署的能力,用户可以在下订单之后的两三天时间内获得一套完整的私有云环境,用户不需要自己准备数据中心、服务器,不需要采购软件,也不需要去对对方环境进行任何的运维,更不需要有这套环境的运维能力,因为这些运维能力全部由华云来输出给用户使用。这是我们说的第二种,托管私有云模式。
第三种,是混合服务模式。不管用户的私有云是基于VMware技术的私有云,还是基于OpenStack技术的私有云,华云都提供了很好的对接能力,首先基于VMware的(NSX)的技术,可以把私有云跟VCPP的公有云做一个网络上的打通。通过这个网络,用户可以在自己的私有云和公有云上调整自己应用的负载,比如说一些访问突增的情况下,用户可以把自己的应用负载扩展到公有云上。
这样,对用户的成本来说是非常有利的,用户可以把自己的敏感数据放在自己的私有云里,脱敏的数据放在公有云上,这是华云支持的模式。
那用户的负载还有一种可能性,负载会发生迁移,原本运行在私有云上的一些应用,现在因为业务的发展需要,用户需要把应用直接迁到公有云上运行,华云和VMware技术的结合,可以让基于VMware(VMware vCloud Director)插件实现用户在VMware私有云以及华云的提供的VCPP公有云进行打通,然后在业务不中断的情况下,把用户的应用或者虚拟机顺利的迁移到公有云上。这对用户来说,减少了很多迁移上的运维的成本。
第二个,针对Openstack的私有云,华云开发的混合云管理的产品,通过调度(Vcloud)的API,Openstack的API,做一些对应的底层的转换工作,把OpenStack的虚拟机在不中断的情况下,动态的迁移到VCPP的公有云上。
VCPP的价值就是更好的为用户提供混合云落地服务
郭晓认为,很多VMware的用户,它想把它的工作负载从它的VMware私有云迁移到阿里云、华云、腾讯云等等一系列的公有云服务厂商的时候,代价是很高的,而基于开源技术,实际上比较难满足用户的需求。VCPP的公有云的价值之一就是通过原生的云的支持,给用户获得非常好的迁移的体验。因为VMware现在的定位是不做公有云,但很多用户是需要公有云服务的,但是没有能力自己去运营一套私有云场景,对他来说使用成本是比较高的。双方的合作能够给用户带来更多价值。
VMware选择华云落地中国,除了华云的资质非常健全,在国内开展公有云业务以外,华云还有很多的政企客户,医疗、轨道交通、公安以及园区领域的一些客户。这些客户,对虚拟化的环境的稳定性要求是非常高的,结合VMware的虚拟化优势,华云在公有云领域积累的优势,最终给用户交付给一个安全性、稳定性、高性能的混合云服务。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。