微软于2008年10月推出了Azure。在随后的十年中,微软的云平台已经从“红狗”开始走出了很长一段路。
十年前的本周,微软在洛杉矶举行的2008年专业开发者大会(PDC)上,正式推出了Azure云平台。从那以后,一些相关的产品名称已经发生了改变,微软的一些——但并不是全部——计划已经实现。但无可否认的是,随着时间的推移,Azure已成为微软的一项核心服务。
当时,当微软最初介绍所谓的“Windows Azure”时,我们中的许多人都认为它是微软将在该公司自己的数据中心中运行的Windows Server的改编版。(在我看来,这样的最初描述不算是太糟糕的尝试。)
Azure操作系统的代码代号为“红狗”——这是使用了硅谷一个俱乐部的名字,它是由微软操作系统专家团队设计的,其中包括了VMS和Windows NT之父Dave Cutler。(一件趣事:Azure团队穿了红色的鞋子参加PDC大会,以此举向“红狗”这个名字致敬。)
我在2008年是这样解释该操作系统的:
“‘红狗’对组成微软托管云的Windows Server 2008机器进行组网和管理。在最高的层面,‘红狗’包含四个'支柱':存储(类似文件系统)、‘结构控制器’——这是一个用于建模/部署和配置的管理系统、虚拟化计算/ VM以及一个开发环境,允许开发人员在他们的桌面电脑上模拟‘红狗’并插入Visual Studio、Eclipse或者其他的工具来编写针对它的云应用程序。‘红狗’的架构方式是微软只需要在一台机器上部署‘红狗’,然后可以使用虚拟化技术在云中的其余服务器上复制它的多个实例。”
Cutler在通过电子邮件与我进行的交谈中表示,在这四个支柱之中,面板控制器才是“独家秘方”。Cutler表示:
“我们认为,赋予了RD(红狗)显著优势的一个组件是结构控制器。结构控制器拥有整个云中所有的资源,并在一个持久集群中的一个节点子集上运行。它无需任何操作干预,就可完成放置、自动配置、更新、打补丁、容量管理、负载均衡并实现云中节点的扩展。”
随着时间的推移,微软最终将“Windows”与“Azure”两个名字脱钩。但是该公司仍未按计划将其部分关键云服务(包括Office 365)迁移到Azure上。(一些比较新的Office 365服务确实运行在Azure上,但不在Exchange、SharePoint等核心服务上运行。)在最初拒绝了允许客户在自己的数据中心托管Azure的计划之后,微软最终发布了Azure Stack——一个Azure设备平台,实现了这种模式。
也许很容易被遗忘的一件事是:微软最初推出Azure只是作为平台即服务(PaaS)业务。后来,该公司的高管们看到了钱——也许是唾手可得的客户——是在基础设施即服务领域(IaaS)。从那个时候开始,微软就开始在Azure上提供Linux了。目前,有一半的Azure虚拟机都在使用Linux,而不是Windows Server。
但是,业内绝大多数人都认为,微软现在是排名第二的云供应商,位于亚马逊之后。Azure上目前有数百种服务可用。微软在全球运营着54个Azure域。Azure是微软“商业云”收入流的重要组成部分(尽管微软至今仍然没有透露商业云超过300亿美元的年化营业收入水平中有多少要归功于Azure)。
对于十年(还要加上之前三年左右的开发时间)的时间来说,这一结果不算太糟糕。
好文章,需要你的鼓励
前FBI网络安全部门副助理局长、现Halcyon勒索软件研究中心高级副总裁辛西娅·凯泽指出,勒索软件已成为当今最大网络威胁。研究发现,与伊朗政府相关的Pay2Key组织仅用3小时即完成加密攻击,而Akira组织从入侵到加密全程不超过4小时。更值得警惕的是,借助AI工具的"业余黑客"正大幅提升攻击频率,尽管技术粗糙,但海量低质攻击可能掩盖更隐蔽的高级威胁,给企业安全防御带来严峻挑战。
Alaya Studio联合多所顶级大学开发的"生成式世界渲染器"实现了虚拟游戏画面与真实视频间的双向转换。该系统通过从《赛博朋克2077》和《黑神话:悟空》收集400万帧高质量数据,训练AI理解材质、光照等视觉要素。创新的ReShade数据采集技术和VLM评估方法解决了传统合成数据的局限性,在材质识别和场景编辑方面取得突破性进展,为游戏开发、影视制作和创意设计提供了强大工具。
Nvidia收购Slurm工作负载管理器开发商SchedMD后,业界担忧这家芯片巨头可能借此优待自家硬件,削弱AMD、Intel等竞争对手的性能表现。Slurm运行于全球约60%的超级计算机上,Meta、Mistral、Anthropic等公司均在使用。分析师指出,尽管Nvidia承诺保持开源中立,但其对开发路线图的掌控仍构成"战略依赖风险"。专家建议企业多元化采购GPU,并在合同中争取硬件平等支持条款。
北京大学等机构联合发布DataFlex框架,这是首个统一的数据中心化动态训练系统。该框架让AI训练从"填鸭式学习"升级为"智能化学习",通过动态数据选择、配比调整和权重分配,显著提升模型性能和训练效率,同时保持与现有训练流程的完全兼容性。