2015年,混合云技术不断上长,因为混合云的灵活性、数据的快速恢复性以及可确保特定数据的安全性,越来越多的企业选择部署这一模型。
“从需求的角度看,它是专门为我们发布的,” Seagate Technology的项目产品经理Simon Wheeler说。“随着我们企业不断发展,对混合的需求也越来越高。我们客户需要那些部署灵活,依业务案例而定的方式。恢复的时机对企业来说很关键。数 据恢复具有不同的经济学意义,无论是在本地还是在云端进行。”
混合云技术的增长显现于新兴厂商和厂商的收购之中。IBM收购Cleversafe来支撑其混合云技术。Cleversafe是较早期的存储厂商,IBM将Cleversafe的技术打包进BIM的云业务单元中。
存储厂商NetApp推出了Data Fabric Solutions Essentials方案,它绑定了一些小工具,可帮助客户实现混合云存储,通过使用NetApp存储硬件和它的Cloud Ontap软件。该公司于2014年发布了Cloud Data Fabric,来合理化本地与云存储之间的数据管理。
EMC从其它存储组合中抽取了资源,VMware和其它公司在EMC的保护伞之下,加强了 Federation Enterprise Hybrid Cloud解决方案。EMC目标定位于大型混合云客户,如北德克萨斯大学;医疗分析公司Inovalon;未来能源控股公司达拉斯,和加拿大医疗服务提供 商eHealth Saskatchewan。
初创企业Rubrik推出了Rubrik r300系列混合云设备,与其同一时间该公司发布了旗舰Converged Data Management平台。网络附加存储加速供应商Avere Systems,与三大公共云供应商建立了战略合作,这三大厂商分别是亚马逊AWS、谷歌云计算和微软Azure,共同发布了AvereVirtual FXT、 CloudFusion和FlashCloud软件。
Avere Systems市场副总裁Rebecca Thompson说,该公司新营收销售渠道在从年前的100%本地营收降到了60%由混合云技术产生。
“许多企业已经大量地投资于基础设施,”她说。“他们想一直使用,直到不能用为止。他们既不想使用公有云存储也不想用其进行计算。”
Storage Switzerland总裁George Crump说,使用混合云技术还要根据公司规模来看。通常,小型企业只胡20TB数据还是使用公有云,但当数据量达到 25TB到50TB之间时,公有云成本模型就成问题了。
“云中存储数据打破了成本模型,”他说。Crump认为混合云的增长,是因为客户意识到了如何更好的利用云。
“我相信常识最后一定会被理解,”他说。“人们最终将会知识它是一种工具。是一种很好的工具,但它不仅只是工具。”
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
OpenAI发布ChatGPT Atlas AI浏览器,支持网页问答、历史查询和邮件改写等功能。同时曝光秘密项目Mercury,雇佣约100名前投行精英以每小时150美元训练AI金融模型。公司还因用户滥用Sora生成马丁·路德·金视频而暂停相关功能。此外,医疗AI搜索引擎OpenEvidence获2亿美元融资,估值60亿美元。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。