谷歌在去年4月发布了Anthos,也就是重新命名的Cloud Services Platform。Anthos采用了Kubernetes技术,旨在承载可在现有本地硬件和公有云上未经修改地运行应用,从而让企业可以为每种应用选择最合适的基础设施。
Anthos应用部署在软件容器中,这些容器用于托管每个应用的组件,使这些组件更易于使用。对开发人员来说最大的好处在于,无论这些应用托管在什么基础设施上,开发人员只用一套工具就可以构建和部署应用,并根据需要推送更新。Kubernetes让管理容器化应用组成的大型集群变得更加轻松。
Google Cloud合作总监Rayn Veerubhotla和产品经理Manu Batra在博客中表示,存储是使用Anthos服务管理跨云部署的数据的一个关键考虑因素。
因此,谷歌为合作伙伴的存储解决方案提供了名为Anthos Ready Storage的认证计划。
Veerubhotla和Batra表示:“该计划认证了那些Anthos最高效地在本地运行所具备的一系列核心要求,帮助企业组织选择那些部署了Anthos的存储解决方案。”
这里说的要求包括能够演示Kubernetes的核心功能,例如通过开放和便携API动态配置存储卷,以及跨集群向上和向下扩展管理存储的能力。谷歌表示,经过认证的存储提供商还可以提供简化的部署体验。
Constellation Research分析师Holger Mueller表示,这一点将会受到Anthos用户的欢迎,因为即使是在云时代存储仍然是一项至关重要的能力,而且当你自己的数据中心也上云的时候,这一点就尤其重要。
Mueller说:“谷歌与值得信赖的供应商合作以提供Anthos存储,是很有意义的。这么做会把竞争对手变成竞合关系,因为传统的IT厂商现在可以与谷歌合作,以影响企业决策。总而言之,这是明智之举。”
Google Anthos的早期存储合作伙伴包括Dell EMC、HPE、NetApp、Portworx、Pure Storage和Robin Systems。
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。