中国北京,2019年4月10日 —— Hewlett Packard Enterprise (HPE) 和Nutanix (NTNX)今日宣布,双方将开展全球性合作,为市场提供混合云即服务 (aaS) 一体化解决方案。该方案将利用Nutanix企业云操作系统软件(包括Nutanix的免费内置AHV管理程序),通过HPE GreenLake向客户提供完全由HPE管理的混合云服务,大幅降低客户的总体拥有成本,加快实现价值。
此外,根据协议,Nutanix将推动其渠道合作伙伴直接出售安装Nutanix企业云操作系统软件的HPE服务器,确保客户可以购买到一体化集成设备。
如何推动创新、加快数字化转型是当今企业持续面临的挑战。混合IT领域的传统方案存在很多问题,例如复杂的系统需要配备大量的IT操作人员,软件许可和运行费用日益上升,厂商锁定引发客户担忧等。因此,在一个注重多样性和敏捷性的时代,企业反而在逐渐失去灵活性。
通过此次合作,HPE与Nutanix将推出一种极具吸引力、可降低成本和复杂性的替代方案来解决上述挑战。这一综合性解决方案将提供完全可控的混合云基础设施即服务,部署在客户的数据中心或主机托管设施。
HPE GreenLake和Nutanix企业云操作系统软件的结合为希望利用Nutanix(包括其AHV虚拟化技术)支持各类应用案例的客户提供了最佳选择。
相关应用案例包括关键任务型工作负载和大数据应用程序:SAP、甲骨文、微软等顶级企业的虚拟化工作负载,以及Splunk、Hadoop等虚拟化大数据应用程序的支持等。
HPE GreenLake aaS方案可在以下方面为客户带来益处:
HPE总裁兼首席执行官Antonio Neri表示: “HPE通过HPE GreenLake构建了新型的本地部署消费即服务市场。目前,全球有数百家客户使用HPE GreenLake获得与内部环境的安全、治理和应用性能相结合的云服务,并根据实际使用情况进行付费。目前,HPE正在为寻找敏捷度更高、成本更低的混合云替代方案的客户提供更多选择,以扩大自身在该市场的领导地位。”
Nutanix创始人、首席执行官兼董事会主席Dheeraj Pandey表示: “客户告诉我们,应用程序对他们而言至关重要。此次与HPE的合作将为Nutanix的客户带来更多选择,实现基础架构隐形。这样,客户可以将注意力集中在业务关键型应用程序上,无需关注底层技术。我们很高兴与HPE达成合作,让为自身业务寻找合适的混合云解决方案的企业受益。”
HPE GreenLake是行业领先的本地IT消费即服务解决方案。它支持客户根据工作量或资源使用量的实际计量结果进行付费,可在客户出现容量需求之前迅速完成扩展,并具有企业级管理和支持功能。客户可通过数据中心或主机托管环境体验HPE GreenLake的云服务。
凭借HPE一流的合作模式和不断扩展的合作伙伴生态系统,客户可以利用自己选择的技术设计并轻松使用IT解决方案,通过减少超量配置降低资本支出,提高IT资源的使用效率,推动关键IT项目更快地实现价值。4
今后,Nutanix将推动其渠道合作伙伴直接出售安装Nutanix企业云操作系统软件的HPE服务器,确保客户可以购买到一体化的设备。
两家公司此次合作推出的解决方案将兼具安全性和创新性的ProLiant和Apollo服务器(HPE打造的全球最大的安装基础)与Nutanix首创的企业云操作系统软件相结合,全面实现了一体化。Nutanix的客户可以利用直接由HPE工厂提供的方案实现数据中心环境的现代化,并在其首选的硬件和软件平台上获得支持服务。
搭载Nutanix企业云操作系统软件的HPE GreenLake和在HPE 服务器上安装Nutanix软件的一体化集成设备预计将于2019年第三季度上市。
今年,HPE和Nutanix将在各自的客户大会上展示两家公司合作打造的解决方案。Nutanix的客户大会(Nutanix .NEXT)将于2019年5月7-9日在美国加利福尼亚州阿纳海姆举办。HPE的客户大会(HPE Discover)将于2019年6月17-19日在美国内华达州拉斯维加斯举办。
备注:
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。