很多IT从业者认为,迁移到超融合架构是一种成本节约行为,但如果处理不好当前IT人员的问题就另当别论了。
“这对企业有什么启示?”环球银行澳洲集团基础架构师Donald Campbell近日在Red Hat峰会上提问。“我们过去有无所不能的家伙,后来我们开始找专家,而现在我们又要回去了。”
IT是一个周期性的产业,Campbell表示他能够理解改变的发生并希望这改变能够持续足够长的时间,因为他对2年后还要投向专家的怀抱倍感压力。RedHat峰会上明确了IT专业人员在超融合架构中将形成单一的基础设施团队。
几年前,企业创造了专家,很多企业都拥有掌管网络和存储的系统管理员。
"我们该拿这些专家怎么办?"他说道。
寻求简化存储管理的企业自觉的围绕在超融合基础设施旁边。
“这些年来,我们从本地磁盘存储向SAN环境迁移,我一直想不通的问题是如果我们脱离了本地存储,我们为什么还要周而复始呢?”
超融合架构师一个结合了虚拟机监控程序、计算和存储的软件集中化设计,一个可扩展和高度自动化的小的封装。RedHat的系统就结合了Linux、oVirt虚拟化和GlusterFS文件存储。
一些RedHat的客户利用开源组件组合了国产超融合配置,RedHat存储产品经理Sean Murphy说道。
“过去几年我们看到趋势正在加剧,”他说。
2014年超融合市场增加了162%,据IDC预测还将在今年实现100%的增长。2年内,预计有50%的企业将在超融合设施上部署VM。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。