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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。