企业正在重新思考其虚拟化策略,这主要是因为博通对VMware许可证政策的改变,但大多数企业尚未准备好进行必要的变革。
根据HPE的一项新调查显示,三分之二的企业计划在未来两年内对其虚拟化策略进行重大调整,他们正在评估虚拟化替代方案。
关于VMware许可成本让企业重新考虑的讨论很多。欧洲云行业服务提供商协会CISPE的成员遇到了价格上涨800%到1500%的情况,这是博通收购VMware后的结果。
HPE淡化了此类许可变更的影响,称只有4%的受访者将许可成本视为虚拟化策略的"最大催化剂",但分析师表示HPE低估了价格上涨的影响。
Greyhound Research首席执行官Sanchit Vir Gogia深入研究了HPE的调查结果,发现虽然只有4%的受访者将许可描述为最大的催化剂,但"当你包括那些将其归类为主要驱动因素和那些将其作为几个重要驱动因素之一的人时,你会发现大约一半的市场承认有意义的商业影响。这是结构性干扰。"
IDC软件定义计算首席分析师Gary Chen表示,显然成本是新虚拟化项目的首要驱动因素,但涉及的复杂性要大得多。"每个人都在谈论虚拟化策略,但很难解析正在发生的事情;我们需要更多关于定义内容的背景。"
准备就绪状况分析
HPE调查还显示,在计划这些复杂虚拟化项目的公司中,只有5%"完全准备就绪"。但这里又涉及一些语义问题,因为研究还显示21%"基本准备就绪"。
Chen表示很难处理这些细节。"从时间表来看,这些是多年项目。他们谈论策略这一事实本身就意味着面向未来的东西。"
Gogia表示,5%的声明完全取决于如何定义准备就绪。"如果准备就绪意味着意识,那么这个数字太低了。大多数企业都有意识。如果准备就绪意味着拥有董事会批准的、风险建模的、技能资助的、回滚测试的迁移工厂,能够在不破坏运营稳定的情况下大规模执行,那么个位数的准备就绪是合理的。"
他提出了准备就绪的五个条件:首先,完整的工作负载发现和依赖关系映射,而不是部分清单。其次,比较多年期间保持与多元化情景的财务建模,包括许可轨迹和迁移的员工成本。第三,公司需要明确的目标运营模型。然后需要技能协调,例如在混合治理方面训练安全团队。最后,需要经过测试的回滚能力。
混合云策略趋势
HPE调查的要点之一是向混合云策略的推进。但Chen指出,定义需要更好的解释。"如何定义混合?它似乎有多种形式,例如,人们有分布式环境。或者在公共云中可能有流程孤岛,而其他流程在本地。我认为你必须展示的不仅仅是在两端都有资产。我更希望混合云是真正集成的东西。"
在HPE调查的一个方面存在普遍共识,即17%的受访者经历了云成本增加。HPE将此归因于云在AI使用方面的增长。"我认为这是对的,"Chen说。"我发现基础成本没有上升,这纯粹是AI的增加。"
Gogia赞同这一观点。"17%的数字反映了系统性超调而不是统一的价格上涨。企业正在超出计划预算,因为需求波动性超过了治理成熟度。"
HPE调查确实表明许多公司现在正在重新定义其战略方法。VMware许可成本的变化确实成为了促进变革的推动力。"当你谈论真正的集成时,我认为人们正在朝那个方向前进,"Chen说。"AI正在推动这一点。我们在边缘看到更多数据收集,因为事物变得更加分散,混合更有意义。一旦一切完全集成——那就是真正的混合。"
Q&A
Q1:博通收购VMware后许可成本上涨了多少?
A:根据欧洲云行业服务提供商协会CISPE的报告,博通收购VMware后,企业面临的价格上涨幅度在800%到1500%之间。这种大幅度的价格上涨成为企业重新考虑虚拟化策略的重要催化剂。
Q2:企业准备好应对虚拟化策略变更了吗?
A:根据HPE调查显示,大多数企业尚未完全准备就绪。在计划进行复杂虚拟化项目的公司中,只有5%"完全准备就绪",21%"基本准备就绪"。分析师认为真正的准备就绪需要包括完整的工作负载映射、财务建模、目标运营模型、技能协调和回滚能力等五个条件。
Q3:云成本上涨的主要原因是什么?
A:调查显示17%的受访者经历了云成本增加,HPE将此主要归因于AI使用的增长。分析师认为这不是基础成本的上升,而是AI应用需求增长导致的。企业超出计划预算是因为需求波动性超过了治理成熟度,反映了系统性超调现象。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。