一位戴尔合作伙伴表示,戴尔与红帽OpenShift最近的合作为客户的容器化简化了部署,进而为戴尔的合作伙伴提供了一条业务产品线。
戴尔白金级合作伙伴Winslow Technologies的首席技术官Rick Gouin告诉记者,“戴尔为一个可行的工程解决方案提供多种选择,有效地消除了进入障碍。这是个令人振奋的消息。”
戴尔日前发布了三个公告。其中的一个涉及到用于红帽OpenShift的戴尔APEX容器,使用戴尔管理的容器的开发者利用这些容器可以为企业内部提供云体验。
戴尔科技公司副总裁兼新兴服务总经理Satish Iyer表示,这一款完全管理产品的构建基于戴尔旗下的Power Flex平台。戴尔APEX容器整合了戴尔客户的成功实践,可以帮助终端用户采用容器技术。
Iyer在媒体吹风会上表示,“这个产品的基本目标是让我们的客户能够拥有一个原生Kubernetes产品,客户利用该产品基本上就可以管理虚拟化容器。从基础架构到红帽堆栈,管理完全由戴尔完成。这项戴尔和红帽的联合工作将有助于企业在应对企业IT动态变化的简化,使得IT团队在做企业内部部署时能够一次性地构建应用程序,但仍然可以保留灵活性,有必要时可以在开放混合云的范围内运行这些应用程序。”
戴尔技术公司产品管理副总裁Caitlin Gordon表示,戴尔公司提供了红帽OpenShift戴尔验证平台(Dell Validated Platform for Red Hat OpenShift),独立的IT团队可以利用红帽OpenShift戴尔验证平台完成容器协调方面的部署及企业内部IT管理等任务。
Gordon表示,“对于很多大型企业来说,企业内部已经拥有很多技能了。或许他们实际上想保留这些技能,在打造自己的东西时用得上。而同时,构建容器一类的环境在基础架构方面和软件方面都有可能变得相当复杂,因为需要结合各种可扩展的、企业级的、具有关键任务性能的基础架构。这些云原生应用程序可以满足那些SLA,可以具备令人难以置信的延迟和吞吐量,你还可以将云原生应用程序的这些好处和OpenShift的威力结合起来。”
此外,Gordon表示,戴尔和红帽正在共同设计一个混合云解决方案,利用戴尔软件将红帽OpenShift和戴尔基础架构及可选的IBM智能自动化软件进行整合。
Gordon表示,“我们非常清楚地知道,客户喜欢红帽OpenShift,其原因之一是OpenShift可以提供多云灵活性,我们正在构建的解决方案的关键宗旨就是多云灵活性。这实际上是为了简化IT部门的体验,以便他们能够更好地开发社区服务,真正提高速度。实际上是需要拥有共同的操作模式。我们简化得越多,令基础架构越通用,从IT角度来看就越容易。”
Gouin表示,类似Winslow的解决方案供应商已经看到了业界对容器的需求在激增,客户在找容器技术改善业务成果。然而,实际部署容器的过程很复杂,可能需要聘请外部专家。戴尔以及伙伴为客户打造了一个完全管理的选项,并且还打造了可以在OpenShift的戴尔验证平台上由独立团队上运行的选项。
Gouin称,“我们是个以戴尔为中心的解决方案供应商,我们努力在我们的产品组合使用我们需要的工具和部件交付超越客户期望的解决方案。戴尔与红帽合作的新聚焦是OpenShift,因此我们能够参与更多的项目并且真正提供Turnkey容器服务……重要的是不会抛下渠道合作伙伴。我们觉得这些产品将帮助我们提高竞争力,特别是对于我们的前瞻性客户而言。”
好文章,需要你的鼓励
存储扩展专家Lucidity将其AutoScaler平台扩展至Kubernetes容器编排平台,帮助企业控制存储支出。该公司表示,Kubernetes中的持久卷常常成为隐形浪费源,虽然Kubernetes可自动扩展实例数量,但底层存储通常未被充分利用。新服务可为亚马逊EKS提供持久卷的自动扩缩容,声称可为客户节省高达70%的云块存储费用。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
超过1.8万Spotify用户加入名为"Unwrapped"的集体组织,通过去中心化数据平台Vana将个人听歌数据打包出售给AI开发者。该组织已将1万用户的艺术家偏好数据以5.5万美元价格售出,用于构建新型流媒体数据分析工具。Spotify对此发出警告,称该行为违反开发者政策和商标权,禁止将平台数据用于机器学习模型构建。但Unwrapped团队坚持用户拥有控制和变现个人数据的权利,双方就数据所有权展开争议。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。