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
VSCO今日更新VSCO Capture应用,新增视频拍摄功能。用户现可在拍摄照片和视频时应用并调整VSCO的50多种滤镜预设,包括经典胶片到现代创作风格。新版本还推出胶片颗粒滤镜,可动态控制纹理强度、大小和色彩。用户能将颗粒滤镜叠加到Film X滤镜上,结合柯达、富士和爱克发胶片风格,保存个性化胶片配方。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
Instagram负责人Adam Mosseri表示,AI生成内容已经占据社交媒体主导地位,预计将超越非AI内容。他认为识别AI内容的技术效果不佳,建议转而为真实媒体建立指纹识别系统,由相机制造商在拍摄时进行加密签名。Mosseri还指出,创作者应优先发布"不完美"的原始图像来证明真实性,因为精美方形图片的时代已经结束。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。