Google Cloud和VMware今天宣布将扩大合作伙伴关系,帮助企业更轻松地将本地应用迁移到云端。
此次合作的核心是Google Cloud’s VMware Engine。Google方面表示,将把这项服务添加到VMware的VMware Cloud Universal订阅产品中。
Google Cloud’s VMware Engine服务于2020年5月推出,简化了将本地VMware工作负载迁移到Google Cloud的过程。VMware Engine可以在一小时内迁移完一些工作负载,而且客户无需对迁移的应用代码进行任何修改。
现在Google Cloud将把该服务添加到VMware Cloud Universal订阅产品中,该产品是去年3月推出的,让企业能够更方便地购买VMware的核心软件产品。
去年3月,VMware宣布对软件产品组合进行重大更新,此次更新涉及两个产品套件:Tanzu,用于管理Kubernetes集群的工具系列,以及VMware Cloud Foundation,旨在简化云基础设施管理的解决方案集合。VMware将这两个产品纳入到一个整合的捆绑包产品VMware Cloud中。
今天两家厂商在宣布此次扩大合作关系时特别强调了VMware Cloud Universal产品,它让客户可以通过订阅的模式购买来自VMware Cloud产品捆绑包的解决方案。除了VMware Cloud Universal之外,产品包中还有其他功能,客户可以获得广泛的支持服务,以及一些激励举措,以帮助可简化从本地VMware软件部署切换到云端的任务。
此次合作,主要就是将用于迁移本地工作负载的Google’s VMware Engine与用于简化客户体验的VMware Cloud Universal订阅产品进行结合,这有助于那些购买了这个订阅产品的企业可以更容易部署Google’s VMware Engine。
Google Cloud全球生态系统企业副总裁Kevin Ichhpurani表示:“我们与VMware的合作让企业能够非常轻松地将基于VMware的应用迁移到Google Cloud值得信赖的高性能基础设施上。这将让VMware和Google Cloud更紧密地联系在一起,也代表着我们在通过Google Cloud VMware Engine支持企业数字化转型的共同承诺方面,向前迈出了重要的一步。”
对Google来说,此次合作是一个重要里程碑的另一个原因是VMware产品的市场影响力。Tanzu和VMware Cloud Foundation是VMware Cloud Universal订阅产品提供访问权限的两个产品包,被全球相当一部规模最大的企业所采用。
去年4月VMware曾表示,仅Tanzu就有超过30万个组织和500万名开发人员在使用。至于VMware Cloud Foundation,正在为超过8500万个客户工作负载提供支持。Google此次通过让VMware用户更轻松地访问Google Cloud’s VMware Engine服务,有助于加快赢得新客户的步伐。
与此同时,VMware目前正将重点从销售传统软件许可转向强调经常性收入的商业模式。去年,VMware将几个基于许可的产品线转换为订阅和软件即服务定价模式。此次与Google展开新的合作,将进一步帮助VMware通过增强VMware Cloud Universal(其订阅解决方案组合的一个重要组成部分)来推动VMware经常性收入的增长。
两家厂商表示,双方的共同客户可以在结合双方云产品时节省大量资金,预计那些同时部署了Google Cloud VMware Engine和VMware Cloud Universal的组织平均每年可以节省200多万美元。
好文章,需要你的鼓励
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。