数据存储厂商NetApp今天在NetApp Insight线上大会期间表示,将发布一系列新服务以简化和优化面向数据软件应用的多云管理,帮助企业更好地应对向远程办公模式的过渡。
这些新服务中最重要的一项是Spot Storage,NetApp称其称为“无服务器和无存储”的解决方案,用于承载运行在任何地方的现代应用组件的软件容器。
该服务将与现有的Spot Ocean产品相结合,后者可对面向容器的云基础设施实现自动化,两者将共同帮助企业在Kubernetes上构建、部署和运行基于微服务的应用,而不必担心为其提供存储和数据服务。
NetApp表示,这款产品之所以引人关注是因为基于云的容器应用,其速度和敏捷性很大程度上被云环境中的可用性、容量、性能和成本等管理带来的新挑战所抵消了。“解决这些要求给云基础设施和运营团队造成了沉重负担,但如果不这样做,就会浪费云资源、导致基础设施变得脆弱、难以满足SLA等。”
Spot Storage通过实时监控和高级分析自动优化了底层存储基础设施,从而解决了这些难题,其工作原理是确定并部署理想的存储资源组合,确保每个应用都能足够快地访问所需的数据,并通过利用每个存储厂商的最优定价模型,最大限度降低成本。
NetApp谈到了“无存储”基础设施与“无服务器”基础设施。借助无服务器,开发人员只需部署他们的应用,即可在最理想的基础设施上运行,以满足可用性和可扩展性的要求。无存储的功能大致相同,只是要考虑到存储方面的一些注意事项。NetApp表示,现代应用具有更高的敏捷性,总拥有成本也更低,同时,开发人员也有更多的时间专注于开发可随应用扩展的产品。
NetApp表示:“无存储技术让团队能够构建和运行应用,而不用保持吞吐量、维护和容量配置始终不变。Volumes as a Service几乎可用于任何类型的应用或后端服务,具有高可用性运行和扩展应用程序所需的一切。”
今天发布的另一个相关产品名为NetApp Cloud Manager,是一个可用于管理混合云和多云数据服务的自主云卷平台。NetApp Cloud Manager为管理员提供了全面的可见性,简化了数据同步、数据备份、数据分层、文件缓存和合规性服务的控制,无论存储是在本地还是托管在公有云中。
Moor Insights&Strategy分析师Steve McDowell认为,NetApp知道容器数据模型不适用于传统存储,因此需要调整产品以适应这种发展趋势。他说,纯存储厂商正在尝试通过抽象化并消除Kubernetes中底层存储与数据管理层之间的紧密耦合来实现这一目标。
McDowell说:“这绝对是正确的方法,而且对于存储人员来说,确实是唯一可行的方法。”
他说,现在判断NetApp是否解决了问题还为时过早。他说,整个容器存储领域有各种创新,但到目前为止还没有主导厂商出现。即便如此,NetApp绝对是雄心勃勃的。今天NetApp发布的公告表明,NetApp不仅要解决容器存储问题,而且还涉及更广泛的容器编排问题,从而让自己与VMware和IBM等厂商齐头并进。
“NetApp的举措是积极的。在新一届高管的领导下,我们看到这家厂商正在重新调整自己的重点和精力。这不再是一家害怕自我颠覆的公司,它将继续在企业中扮演重要的角色。”
最后,NetApp宣布了一项新的基于云的虚拟桌面管理服务,帮助企业扩展基础设施资源,以满足远程办公不断增加的需求。通过这项服务,NetApp为企业提供了一个门户用于处理跨公有云和私有云环境的远程桌面部署,对很多以前必须手动启用的远程桌面服务进行自动化和编排,例如设置SMB文件共享、启用某些Windows功能、安装应用、防火墙等等。
今天公布的更新进一步推动了NetApp的发展。NetApp以数据存储厂商的身份而闻名,但是在AWS等公有云提供商带来的巨大压力下,近年来NetApp已经将更多精力转向了软件和服务。如今,NetApp遵循“云优先”的战略,让客户能够访问任何位置的数据,就像这些数据在本地文件系统中一样。
NetApp首席执行官George Kurian表示:“要在新常态中蓬勃发展,数字化转型已经成为当务之急。要取得成功,企业需要优化他们的混合多云IT架构。”
就在公布这些新数据服务的一周之前,NetApp刚刚发布了对其云数据管理软件进行的一些重大更新。
好文章,需要你的鼓励
TPU与GPU之间的竞争正在重塑AI硬件市场格局。GPU基于并行处理,能处理多样化任务,而TPU专门针对张量矩阵运算进行优化。谷歌TPU采用类似RISC的设计理念,通过限制功能来提升特定运算效率。随着Meta计划在2027年采购数十亿美元的TPU芯片,Anthropic宣布使用百万TPU训练Claude模型,TPU生态系统正在获得发展动力,对英伟达的GPU霸主地位构成挑战。
Meta与华盛顿大学联合研究团队开发出无需人类标注的AI评判官自我训练框架。该方法通过生成合成对比数据、自我判断筛选和反复学习,使110亿参数的AI评判官在多项视觉语言任务中超越GPT-4o等大型模型,成本仅为传统方法的1%,为AI自主学习和评估开辟新路径。
本文提出2026年AI发展十大预测,包括AI估值修正、投资泡沫持续、AGI不仅依赖大语言模型、AI代理将加剧工作替代等。作者强调社会接受度对技术发展的重要性,认为成功企业将重构运营模式以AI为核心,同时指出政府仍将重视STEM教育而忽视社会科学的价值。
华中科技大学团队开发出4DLangVGGT技术,首次实现AI系统对4D动态场景的语言理解。该技术突破传统方法需要逐场景训练的限制,能跨场景通用部署。系统结合几何感知和语义理解,不仅能识别物体还能描述其时间变化过程。实验显示在多项指标上超越现有方法1-2%,为机器人、AR/VR、智能监控等领域提供重要技术支撑。