IBM宣布推出的这款软件平台名为IBM Cloud Private,设计旨在帮助企业利用类似公有云的能力,构建本地部署的私有云环境。这款平台还让企业能够利用流行的云原生工具在两种环境中去做应用开发。
IBM Cloud Private可以做到这一点,是因为它构建在开源应用容器编排软件Kubernetes之上,支持Docker容器和CloudFoundry应用开发平台。
Docker容器可以用于让软件从一个计算环境迁移到另一个环境的过程中可靠地运行。应用和其他依赖关系、库和其他二进制文件捆绑在一个包内,以提取出应用运行的底层基础设施中的任何差异。
有了IBM Cloud Private,企业就可以在这个平台上构建他们应用的容器化版本,然后跨各种云环境进行迁移,用于不同的用途和用例。IBM还宣布推出了其应用开发软件的新容器友好版本,包括IBM WebSphere Liberty、DB2和MQ,以帮助实现这一点。
IBM表示,能够在私有云和公有云之间轻松迁移工作负载,这一点对于很多客户来说至关重要,特别是那些所处行业有着严格法规要求的企业。例如,IBM Cloud Private对于金融服务公司来说具有一定吸引力,它可以设置一个私有云环境来确保应用数据是保存在企业内部的。然后在需要利用新的分析和机器学习工具时,迁移到公有云环境中。
分析公司Wikibon首席分析师Dave Vellante表示,IBM Cloud Private平台意味着IBM试图进入“真正的私有云”。他将这定义为内部部署的基础设施,基本上是模拟公有云的。他解释说,这个市场的增长几乎是公有云基础设施即服务的2倍,部分原因要归结于这个市场越来越多地意识到,并非所有人需要公有云提供的所有功能。
Vellante表示:“CIO们意识到,他们并不是简单地重塑他们的业务,并将业务强加到公有云端。相反,他们必须将云运营的模式带入他们的数据中。”
Vellante说,即便如此,IBM的新平台可能并不适用于所有人,因为像AWS这样的公有云提供商仍然在成本和创新方面拥有巨大优势。“我估计AWS在自动化以及支持云原生应用方面比IBM领先3-5年。”
尽管如此,IBM Cloud Private平台仍然代表着IBM在正确方向迈出的重要一步,Constellation Research首席分析师、副总裁Holger Mueller这样表示。他指出,该平台提供的混合云新能力现在是企业需要且想要的。
“对Kubernetes和CloudFoundry这样的开源项目的支持,是这款架构的关键,让企业能够跨不同云和部署带入他们的负载。”
不过IBM Cloud Private的另一个优势是,它可以帮助到那些正在从内部部署环境转移到云环境中的企业。客户之一,汽车租赁公司Hertz正在使用该平台做到这一点。
Hertz公司首席技术官Tyler Best表示:“对于像我们这样致力于减少或者消除对内部数据中心依赖的很多企业来说,私有云是必须的。对于大型企业来说,一套涵盖公有云、私有云和混合云的战略,从传统系统过渡到云的有效方法。Hertz是IBM私有云和公有云的早期客户之一,如果我们整体云产品组合缺少了私有云,那么我们是不可能实现我们的技术目标。”
IBM表示,目前IBM Cloud Private已经面向客户提供。该平台针对IBM Z、IBM Power System和IBM Hyperconverged Systems(基于Nutanix)进行了优化。此外,它还兼容来自Dell EMC、思科和联想等厂商的硬件系统。软件方面,还可集成IBM DB2、PostgreSQL和MongoDB这样的数据库服务。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。