微软今天宣布推出的Azure Migrate是一种便捷的工作负载迁移方式,可以把VMware虚拟机管理程序支持的工作负载迁移出本地的设备。VMware的软件是目前市场中用于虚拟化服务器以提升硬件利用率的主流选择。微软表示,其他迁移工具通常一次只能传输一台设备,而微软推出的这项新服务让管理员可以采取更有效的方法。
Azure Migrate可以映射VMware虚拟化的应用,而不会导致任何操作更改。然后,这项服务可将各个组件可视化,以体现它们与其他组件的交互方式。管理员可以利用此信息并根据操作依赖关系对片段进行分组,以最容易执行的顺序将其迁移至Azure上。
为了进一步优化,Azure Migrate会对每个工作负载所需的硬件资源进行预估。因此,企业客户可以省去自己计算在微软云中需要配置哪些基础设施的麻烦。
这样,使用现有Azure服务器就可以执行物理传输工作负载的任务。微软还提供了工具让企业可以替代VMware为自动备份和其他操作提供的增值功能。
但是,某些工作负载可能很难适应新的环境。考虑到这一点,微软在推出Azure Migrate的同时还提供了把VMware虚拟化的应用运行在其基础设施上的功能。
从理论上讲,这个功能可以让微软争取到那些企业通常因为传输限制而不会考虑迁移到云中的应用。微软决定支持VMware是非常重要的决策,特别是微软的Hyper-V虚拟机管理程序与VMware存在着竞争关系。
据称,目前Azure Migrate是免费的,将在11月27日全面上市。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。