超融合基础设施厂商Nutanix正在试图降低跨多个云环境管理分散工作负载的复杂性。
在今天举行的.NEXT Conference 2018大会上,Nutanix推出了一款新的软件即服务产品,旨在提供多云治理和管理功能。这款名为Nutanix Beam的服务旨在帮助企业跨一系列私有云平台和公有云平台(例如AWS和微软Azure)管理开支、安全和法规遵从等事项。
Nutanix产品营销副总裁Greg Smith表示:“我们的愿景是成为多云时代的操作系统。企业将越来越多地在基础设施中混合使用公有云和私有云。这些云需要协调和管理,我们相信我们的软件可以帮助企业做到这一点。”
Nutanix强调需要更全面的云管理服务,并公布了早期客户之一,销售和营销咨询公司ZS Associates,并突出了该公司在运行多个公有云工作负载时遇到的一些常见问题。
ZS Associates云解决方案架构师经理Rustum Virani表示:“对于我们来说,完整性、安全性和合规性至关重要,特别是横跨拥有庞大应用的、多客户的、多技术的环境,追踪掌握一切信息就像是一场噩梦。”
Nutanix认为Nutanix Beam是解决这个问题的理想方案。该服务采用了Nutanix在3月收购Minjar后获得的技术。Minjar运营着一项名为Botmetric的云服务,为那些在多个公有云中运行工作负载的企业提供“统一成本控制”服务。
Smith解释了Nutanix收购该公司的决定:“在Minjar被Nutanix收购时,Botmetric是市场上领先的云管理解决方案之一,在AWS和Azure上管理超过10亿美元的云支出。这项服务是为多语音世界打造的,具有可以扩展到私有云的架构。”
Nutanix Beam与Botmetric所做的大致相同,都为企业组织提供了云成本的概览,包括通过找出未使用或未被充分利用的资源并重新配置来优化支出,此外还可以帮助企业确保其云工作负载符合需要遵守的任何规定,提供实时扫描功能以便在风险和违规行为发生的之后能够快速发现。
Viami说:“Beam是一款出色的工具,可以提供单一面板来查看基础设施的状态,自动执行任务,提供节约成本的建议并生成计费报告。”
Nutanix还借此机会宣布推出了两款支持多云工作负载的产品,其中包括一款新的软件定义网络产品,以及旨在帮助企业优化存储成本的新数据库服务。
其中,软件定义网络产品Nutanix Flow引入了微分区功能,可以在粒度级别管理应用通信,更好地防止传统安全防火墙无法轻易检测到的威胁。Nutanix Flow现已推出,与Nutanix的Acropolis服务器、存储、虚拟化和网络软件集成在一起。
至于Nutanix Era,这是一款“私有云平台即服务”产品,旨在简化和自动化数据库操作。Nutanix表示,该产品旨在通过自动化“复制数据”的流程,减少企业在不同系统中保存多个数据库副本时出现存储空间的浪费。
此外,Nutanix Era对数据库做“节省空间”的快照,占用存储资源较少,从而帮助企业节省时间和成本。有了这些快照,客户还可以通过一次点击即可恢复或克隆任何特定时间点的数据库。目前Nutanix正在部分客户那里测试Nutanix Era,计划于2018年下半年全面上市。
好文章,需要你的鼓励
谷歌Agent Development Kit(ADK)革新了AI应用开发模式,采用事件驱动的运行时架构,将代理、工具和持久化状态整合为统一应用。ADK以Runner为核心,通过事件循环处理用户请求、模型调用和外部工具执行。执行逻辑层管理LLM调用和工具回调,服务层提供会话、文件存储等持久化能力。这种架构支持多步推理、实时反馈和状态管理,为构建超越简单聊天界面的生产级AI应用提供了完整框架。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
苹果在iOS 26中推出全新游戏应用,为iPhone、iPad和Mac用户提供个性化的游戏中心。该应用包含五个主要版块:主页展示最近游戏和推荐内容,Arcade专区提供超过200款无广告游戏,好友功能显示Game Center动态并支持游戏挑战,资料库可浏览已安装游戏并提供筛选选项,搜索功能支持按类别浏览。iOS 26.2版本还增加了游戏手柄导航支持,为游戏玩家提供更便捷的操作体验。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。