Dell Technologies 今天发布了其分解式基础设施策略,旨在为企业提供将传统三层架构的灵活性与超融合基础设施(HCI)的简便性相结合的“双赢”方案。
在本周拉斯维加斯举行的 Dell Technologies World 之前的媒体简报会上,Dell Technologies 基础设施集团高级副总裁 Varun Chhabra 阐述了公司如何改进其核心数据中心产品组合,以满足从人工智能(AI)到传统企业应用等现代工作负载的需求。
这一举措针对了客户的一个关键痛点:不断变化的工作负载组合——既有传统的虚拟机(VM)和数据库,也有容器、裸机 AI 和边缘计算等新型工作负载——往往会给现有的基础设施模型带来压力。
例如,虽然三层架构通过独立扩展计算、网络和存储提供了灵活性,但通常这种模式需要依赖多个供应商,这使得维护变得复杂,容易产生技术债务,同时部署流程冗长、升级耗时。
而超融合基础设施可以通过整合计算、存储和网络简化运营;然而,这也使企业被锁定在单一的虚拟机监控程序中,从而在面对不断变化的业务需求时限制了灵活性。
Chhabra 表示:“我们从客户那里听到,他们所期望的是一种分解式基础设施模型,它真正将 HCI 的简便性与三层架构的灵活性融合在一个模型中。”
Dell 分解式模型的核心是全新的 Dell Private Cloud,该产品设计上旨在提供类似设备的用户体验,同时通过开放生态系统和简化的基础设施生命周期管理实现灵活性。
Chhabra 指出:“Dell Private Cloud 是为分解式世界而构建,给予客户灵活性,使他们能够挑选符合需求的最新 Dell 计算、网络和存储解决方案。同时,它也为他们提供了开放生态系统的选择,使客户可以选择合适的虚拟化或云生态系统。”
依托于 Dell 自动化平台,Dell Private Cloud 将为主流云服务和虚拟机监控程序提供经过验证的基础设施蓝图。公司估计,与手动部署相比,此举可将部署私人云的步骤减少多达 90%,并在大约 2.5 小时内交付适合工作负载的集群。
在数据保护方面,Dell 同时推出了 PowerProtect Data Domain 全闪存设备。Chhabra 指出,该设备在性能和效率上都实现了显著提升,例如数据恢复速度可提高至原来的四倍,而数据复制则快两倍。
Chhabra 称:“这一切在功耗降低 80% 和机架空间利用率降低 40% 的情况下,使其成为客户数据中心确保高性能、高效率下实现网络安全韧性的完美补充。”
作为补充,PowerScale 网络安全套件也通过集成 AI 驱动的勒索软件检测、隔离式存储金库以及改进的灾难恢复能力得到了增强,同时这些功能可与诸如 ServiceNow 等现有的事件响应应用整合。
针对边缘环境,Dell 的 NativeEdge 平台也迎来了更新,包括对第三方硬件的支持、虚拟机导入功能以及诸如主动安全漂移控制等增强型安全特性。公司表示,这些改进能够节省多达 79% 的边缘基础设施部署和管理时间。
此外,Dell 还增强了其面向 Nvidia 环境的 AI 数据平台,以便为客户简化 AI 的采用。该平台提供了一个集成机架,将 Dell 的基础设施与数据引擎和 Nvidia 的代理智能工具包等诸多功能融合在一起。
Chhabra 总结道:“Dell AI 数据平台并非一刀切的解决方案。它基于分解式架构构建,使企业能独立扩展计算、存储和网络,并分别处理这些资源,从而使客户能够根据需要定制平台,比以往任何时候更快地实现 AI 转型。”
好文章,需要你的鼓励
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。