至顶网网络频道 06月29日 综合消息:VMworld 2017大会目录的内容已经爆光,和以往一样,目录给出了关于此次大会将发布的一些公告和VMware公司未来计划的一些提示。
其中最有意思的一条或许是有关VMware与亚马逊网络服务(AWS)合作关系的内容。目录中有个 “VMware NSXaaS(NSX即服务):在AWS中保证本地工作负载的安全”的标题。分会场的描述称“VMWare NSXaaS令用户在公共云环境(如AWS)里能管理网络和安全策略”。
一旦见了“NSXaaS”的字眼后,我们很快就发现了一个有关招聘广告,招聘广告称“VMware NSX团队正在建立一个Devops / SRE工程师精英团队开展在公共云里运行我们的王牌‘NSXaaS’项目”。获此职位人士将”...负责运行可靠的无宕机NSX服务,包括主动查找服务可靠性问题并解决有关的问题,以及作为开发工程团队的前哨站回应客户的需求。“
足以说明VMware在做NSX即服务,很有意思!
另一个分会场名为 “AWS里的VMware 云:入门实战”,参与者将“首次见证AWS里的VMware解决方案,并将实际操作VMware云界面完成一些基本任务及管理公有云容量”。该描述与其他与AWS相关的分会场的描述类似,都提供实际服务的演示,这表明在8月下旬召开的VMworld美国大会上出现虚拟化桌面的时候VMware-on-AWS已经推出或非常接近首次推出了。
另外一些诸如“VMware Cross Cloud Services:入门讲座”之类的会议标题表明,Cross Cloud(交叉云)会在会议召开的时候或之前亮相。
VMware Integrated OpenStack目前用的是3.1版本。目录里提到一个题为 “VMware Integrated OpenStack 4.0:新功能”的分会场,这表明VMware Integrated OpenStack将推出新的版本。
题为“VMware Cloud Foundation Futures”的分会场称将展示“如何利用VCF即平台完成边缘计算集群、网络功能虚拟化、预测分析和合规性领域里令人兴奋的新工作”。
题为“存储速度:非易失性存储器终于现身江湖”的分会场看起来像是VMware要说说如何打造字节寻址非易失性存储,VMware将其称为“PMEM”,业界里其他人多将其称之为Optane之类的东西。描述里称该分会场将概述“在真正的PMEM产品上运行的VMware虚拟化PMEM”。PMEM速度提升并非确定的事情,看看虚拟巨头VMware是如何做的还是颇有意思的。
vSphere、vCenter等等是VMware的主打产品,但大会好像没有相关的新东西好说的,只是有些有关PowerCLI和vSphere HTML 5客户端增强功的讨论。
桌面管理程序通常在VMworld召开时有更新,VMworld大会目录在题为“……的新趋势”的分会场描述里提及“创新将被加进VMware Fusion、VMware Workstation和VMware Horizon FLEX”。
笔者没有在会议目录里找到期待已久的安全产品VMware App Defense的有关描述,VMware App Defense相信将会在第三季度推出,不过会议目录里有多处提到端点安全性以及VMware希望通过虚拟化加强端点安全。
VMworld欧洲会议将于今年9月份召开,因此如果VMware想在会议上为粉丝准备大的安全产品新闻,新的安全产品在第三季度推出的时间表也正好与开会时间相符。
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。