华为和公有云合作伙伴德国电信,近日宣布与HashiCorp达成全球合作,在Open Telekom Cloud(OTC)上全面支持热门基础设施发放工具Terraform,得益于与Terraform供应商HashiCorp的全球合作伙伴关系,Open Telekom Cloud客户现在可以使用特定的Terraform工具供应基础设施资源。华为、德国电信和HashiCorp此次迈出了全球合作的第一步,让华为和华为使能的云服务提供商能够利用HashiCorp诸多DevSecOps工具的优势并获得全面支持。
Terraform为用户提供简单顺畅的工作流程,以便用户可以安全高效地发放、更改和管理云基础架构版本。 许多企业已经在多个云平台上使用HashiCorp产品,而此次正式的厂商支持将使OTC客户也能享受其强大的工作流。
现代企业需要在多个公有云和私有云平台上管理不同类型的工作负载(如虚拟机、容器、二进制),但这往往十分困难。HashiCorp的工具能够帮助企业用一个通用的工作流管理来自不同云提供商的异构基础设施。HashiCorp与华为的合作显示出双方意图继续扩大Terraform能发放的服务数量,并且在未来将合作拓展至HashiCorp的其他热门产品和工具,如Vault、Packer等。
更多的公有云接入方式
HashiCorp全球联盟副总裁Burzin Patel表示,“HashiCorp的一大使命就是让企业和组织能在任何基础设施上发放、保护、连接和运行应用。我们认为,Terraform for OTC的发布标志着我们朝实现这一使命又迈进了一步,让企业能够选择最合适的基础设施。通过与华为的合作,我们双方的客户能放心地用Terraform安全高效地发放OTC资源。”
“我们希望我们的客户可以尽可能简单地从Open Telekom Cloud获得服务。通过Terraform提供商支持,客户多了一个接入到我们公共云的渠道。” T-systems Open Telekom Cloud副总裁Andreas Falkner强调说。他还补充道:“HashiCorp一直以来为现代数据中心开发基础设施自动化解决方案的优异表现,为我们的客户体验提供了信心和保障。”德国电信及其企业客户部门T-Systems正通过遍布全球的数据中心,不断增强其云生态系统,为全球企业开发人员提供云基础架构需求。
像Terraform这样的工具与OTC IaaS平台的结合,将吸引更多的客户迁移上云。随着越来越多的企业客户和组织接纳云计算,OTC这个开放可信的本地云服务平台也赢得了众多Terraform用户。
华为云BU西欧云业务部总裁任志鹏表示:“HashiCorp为跨公有、私有云的基础设施自动化树立了一个高标准。我们很高兴现在HashiCorp工具完全支持管理OTC资源,也很期待我们的企业客户使用这些工具改进庞大团队和全球基础设施的运营工作流。我们之所以选择与HashiCorp合作是因为HashiCorp具有领先的市场地位、产品易部署、实用开源,且能够利用多云服务的最新发展和服务。HashiCorp在我们的企业客户中很受欢迎,并且与全球主流云提供商合作多年,这些都让我们充满信心,相信我们的合作将使华为云及华为使能的云平台为双方共同的客户提供最大化的价值。”
好文章,需要你的鼓励
据报道,OpenAI正与亚马逊洽谈至少100亿美元的融资。亚马逊此前已是Anthropic的最大投资者,并为其建设了110亿美元的数据中心园区。若融资达成,OpenAI将采用AWS的Trainium系列AI芯片。Trainium3采用三纳米工艺,配备八核心和32MB SRAM内存。AWS可将数千台服务器连接成拥有百万芯片的集群。报道未透露具体估值,但OpenAI最近一次二次出售估值已达5000亿美元。
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
各行业企业存储的数据量持续攀升,5PB以上已成常态,10PB以上也日益普遍。2026年非结构化数据管理的主题是全面增长:更多数据、更多投资、更多痛点以及更多AI安全风险。AI应用加速普及、数字化信息激增以及富媒体和传感器数据大幅增加推动了数据增长。随着AI推理应用的发展,企业将意识到非结构化数据管理对AI投资回报率的关键作用。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。