ZD至顶网软件频道消息:在微软上个月宣布用户禁止下载Azure Stack运行后,日前又解释了为什么这样做的道理。
微软7月曾通知用户,在数据中心里获得Azure的唯一途径是通过微软选择的硬件。
更具体一点说,Azure Stack只会预装在戴尔、惠普和联想的服务器上。微软还承诺以后会包括其他OEM。
戴尔、 惠普和联想的货将于 2017 年"某个时间"出炉。Azure Stack原先预计在2016 年底就绪,但整合系统的工作意味着会有延迟。
这一切的原因和昔日Windows一样简单。除非Azure与经过认证的硬件整合在一起并对其做过测试,Microsoft无法保证 Azure能正常工作。因此,控制是至关重要的。
微软的Vijay Tewari在一个照本宣科的视频里说得颇为清楚。
Tewari表示,"我们只能这样做,先在原有的、规模较小的系统上开始,经过一段时间后,向客户学习,从客户那获得反馈,我们再交付更多运行Azure的硬件,或许到最后,Azure可以在他们的硬件上运行。"
Tewari在提到Azure Stack在客户自己的硬件上运行时说的是"或许到最后",该选项真是渺茫得很。微软如果不了解安装Azure Stack的系统硬件的详尽资料,就不能提供"运作效率和稳定性"。
即是说,微软不能保证 Azure 的正常工作,或是不能与新开发的Azure版本软件很好地兼容。
Tewari 表示,"Azure的迭代速度非常快,新服务常常并在一起,现存的服务更新很快,我们在客户数据中心里必须使用此法。"
整合系统这一条令许多人始料未及。Azure Stack预览一直可以下载。弄好了RAM、 BIOS 和磁盘空间都是为了什么呢?是让用户自己试用吧。宝宝很生气。
这样一来,Azure Stack的成本突升,因为还要从戴尔、HPE 或联想那购买服务器,而且这些商家又会引进额外的复杂度和障碍,成本上升皆因简单的购买而起。合作伙伴的商机被挖走了一块,他们一直在瞄着Azure Stack进行自定义、 整合和开发架构型"解决方案"。
今时今日,Windows 10提供免费下载,微软以外,OpenStack 云可以下载到任何设备上,微软这一招是逆向思维。不过在微软的大框架下,做出Azure Stack只跟预配置和认证的黑箱的决定其实也并不令人吃惊。
首先,微软能有效地限制服务器和个人电脑制造商访问Windows可以令Windows更可靠,进而更成功。在更高的层次上,微软曾交付过数据库设备,和富士通及Bull之类的厂商合作过。限制Azure Stack与此类模式相吻合。
有蛛丝马迹可寻
微软早在 2010 年开始就开始承诺盒中Azure 云版本,不过那时候流行的是云"设备"。
当时,微软曾承诺惠普、 戴尔、 富士通将提供Windows Azure设备,可运行于拍卖网站 eBay 的数据中心里。这些设备不断延迟,最终未能兑现。
星移斗转,私有云大行其道,公有云也风行一时。据Gartner的资料,公有云里AWS占统治地位,而Azure是强大的老二。
微软的 Azure 服务器只限于几家供应商,而认证则只限于的一些知名硬件配置,这样做是可行的。其策略也曾助开放源码和 Linux迈向服务器和高性能计算的成功之路。
假若微软希望Azure 服务器能无处不在,那整个做法就应该倒过来。要做的不是拿硬件去套代码,而是令代码迎合硬件,让外面的硬件挑大梁。
但这已经是所谓的"开源"了。而开源在微软模式里的份量不会超过控制代码和配合认证配置工作这种事,为数有限的 OEM 绝对是微软 Windows 模式的一部分。
说归说,Azure Stack终究会发布的,不过,如果以这种心态去给为时6年多的这个项目评级的话,结果是大写的四个字:浪费时间。
好文章,需要你的鼓励
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。