谷歌今天终于公布了外界期待已久的Google Cloud VMware Engine服务,该服务让客户可以轻松地在谷歌公有云基础设施平台上运行本地VMware应用。
Google Cloud总经理June Yang在介绍这项新服务的一篇博客文章中称,很多客户的IT环境都是基于VMware的,这些客户渴望将他们的VMware工作负载转移到谷歌云中,Google的云中,从而可以更轻松地采用他服务。
Google Cloud VMware Engine服务提供了一个完全托管的VMware Cloud Foundation堆栈,该堆栈由vSphere、vCenter、vSAN、NSX-T和VMware HCX等核心组件构成,托管在谷歌的云基础设施专用环境中。
“这项服务让你可以直接通过Google Cloud Console连接到VMware环境,从而在几分钟之内将本地工作负载迁移或扩展到Google Cloud。你让你可以无缝迁移到云,避免了重构应用的成本或者复杂性,并与本地环境一致地运行和管理工作负载。在Google Cloud上运行VMware工作负载,可以帮助你减轻运营负担,同时让你受益于规模和敏捷性,保持现有工具、策略和流程的连续性。”
Google Cloud VMware Engine已经酝酿有一段时间了。去年夏天,谷歌首先宣布在其云上支持运行VMware工作负载,随后又收购了一家名为CloudSimple的公司,使其能够提供完全集成的基于VMware的服务。
Google Cloud VMware Engine的推出,让谷歌与公有云竞争对手AWS以及微软保持同步,AWS和微软都有他们各自的竞品——VMware Cloud on AWS和Azure VMware解决方案。
Yang表示,这项新服务让客户可以在“几分钟内”就能在Google Cloud上启动VMware软件定义的数据中心环境,这意味着客户可以按需扩展最关键的业务应用。该服务还通过了VMware Cloud验证——对VMware云服务的最高级别的验证。
“Google Cloud VMware Engine让企业组织能够在Google Cloud中快速部署VMware环境,提供规模、敏捷性和对云原生服务的访问,同时充分利用对VMware工具和培训方面的熟悉度和投资,”VMware高级副总裁、云提供商软件业务部门总经理Ajay Patel这样表示。
由于该服务是完全托管的,因此,客户无需担心在Google Cloud上运行VMware应用带来在操作上的负担。谷歌会负责所有与基础设施相关的任务,并与NetApp、Cohesity和Dell等主流存储厂商合作提供该服务。
Yang表示,Google Cloud VMware Engine还让客户能够利用Google的其他云服务如BigQuery、Cloud Operations、Cloud Storage、Anthos和Cloud AI。
她说:“随着时间的推移,当你希望对工作负载进行迁移和现代化的时候,这些云原生服务就能帮助你简化管理、获得数据洞察、为客户提供新的创新服务。”
Constellation Research分析师Holger Mueller表示,企业工作负载运行在VMware上,云提供商试图吸引这些工作负载运行他们的服务。
他说:“更多的负载意味着更好的规模经济,这对基础设施即服务供应商就意味着能实现增长。在这场竞争中,他们试图提供最好VMware实施,以便CxO选择他们的云基础设施。”
Mueller说,理想的情况是企业可以迁移VMware工作负载而无需在虚拟机迁移到云端之后进行重新测试。“再加上Google Cloud IaaS产品的差异化,这将是一个很有吸引力的产品,但是CxO可以选择在所有三个主流IaaS厂商上运行VMware负载。”
目前已经有多个早期客户使用该服务有几个月时间了,包括资本市场基础设施提供商德意志交易所集团(Deutsche Börse Group),谷歌表示,服务体验反馈是很积极的。
德意志交易所集团执行董事会成员、首席信息官克里斯托夫·伯姆Christoph Böhm博士表示:“作为VMware的长期客户,我们希望将业务范围扩展到超大规模数据中心领域,以保持现有控制平面和生命周期管理的稳定。Google Cloud VMware Engine现在让我们能够将VMware环境快速扩展到Google Cloud,从而提高了业务敏捷性并建立了更高水平的弹性。”
谷歌方面表示,该服务已经全面上市。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。