Dell推出了一个看似私有云但实际上并非真正私有云的平台,该平台支持用户基于来自 VMware、 Nutanix 和 Red Hat 的软件堆栈创建私有云。
该订阅服务为用户提供了私有云的 "validated blueprints" ,据称这些蓝图可部署到任何 Dell 服务器与存储设备上。用户可以利用一组 Dell 设备来运行一个或多个受支持的软件堆栈。虽然不同的私有云不能在单个节点上共存,但该工具可以让它们在整套服务器与存储设备上共存,并实现集中管理。
Dell 声称,使用其平台创建一个新的私有云所需步骤比其他工具减少 90%,并且新环境仅需两个半小时即可投入运行。据了解,这一切均由 "Dell Automation Platform" 实现。
Michael Dell 的服务器部门开发这一平台的原因在于,他们认为超融合基础设施主要依赖于单一超管理程序,而三层架构依然相当复杂。Dell 试图通过加速私有云部署和提供 "full lifecycle management" ,为客户带来两全其美的解决方案。
用户既可以自带许可证,也可以通过 Dell 采购许可证。有趣的是,目前在 Dell 私有云中仅提供 VMware vSphere,而非 Broadcom 青睐的 VMware Cloud Foundation。其他模板将在今年下半年陆续推出。
分析师 Keith Townsend 预览了 Dell Automation Platform,并在 LinkedIn 上形容其为 "a young vision for modular infrastructure between private cloud stacks" ,暗示其 "highlights the journey in decoupling from the VMware stack" 。值得一提的是,Dell 倾向于将此称为 "disaggregated infrastructure" 。
此外,Dell 还尝试实现边缘计算的自动化,推出了基于策略的负载均衡工具,以及虚拟机的快照、备份和迁移功能。有趣的是,"Dell Native Edge" 既可以应用于 Dell 自家的硬件设备,也可用于其他竞争厂商的产品。
这些前沿和私有云方案是在本周刚开幕的 Dell Technologies World 年会中宣布的,该大会同时还发布了面向 AI 的全新硬件产品。正如预期,Dell 确保其服务器已准备好以最新配置运行,满足 Nvidia "AI Factory" 认可的要求,并支持使用 Nvidia 与 AMD 最新的加速器。
为了保持设备良好散热,Dell 研发了 "PowerCool Enclosed Rear Door Heat Exchanger" ,据称该产品可将制冷能耗降低 60%。此外,公司还推出了 "integrated rack controller" ,提供实时温度监控和所有机架级组件的统一管理。该工具的一大亮点是具备先进的泄漏检测功能,这在液体冷却逐渐流行的今天显得尤为重要。
另一项令人瞩目的公告是 Dell Pro Max Plus 这款笔记本电脑,它搭载了拥有 32 个 AI 核心的 Qualcomm AI 100 PC Inference Card。Dell 宣称,该设备可以运行参数量达 1090 亿的模型,而这些模型目前大多数用户只能在云端运行。Nvidia 对其 DGX Spark AI 工作站也做出了类似的宣称。 (R)
好文章,需要你的鼓励
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。