当DCIM(Data Center Infrastructure Management,数据中心基础设施管理)被越来越多提及的时候,一个问题困扰着很多人:DCIM究竟属于基础设施管理范畴还是IT管理范畴?其实数据中心的运维和管理以如此清晰的定义进行分割并非明智之举,而以耗电量管理、散热管理为主的基础设施管理厂商,以及以编程管理、桌面管理、服务级别管理为主的IT管理厂商,虽然在以不同的方式为用户构建数据中心管理解决方案,但他们的最终目标,并不是划分领地、各自为政,而是实现基础设施管理和IT管理的最佳融合。
在目前DCIM市场上,有着施耐德电气、艾默生为代表的老牌能效管理厂商和ITSM(IT服务管理)厂商两个阵营,这两个阵营在DCIM上各有哪些优势?CA Technologies作为ITSM领域代表厂商,也是DCIM的提供者,其北亚区服务保障部高级总监郑伟轮先生接受了记者的采访。
CA Technologies的DCIM策略
在郑伟轮看来,是客户的需求催生了数据中心基础设施管理与IT管理的融合,另外在云计算和虚拟化的趋势下,这二者也变得密不可分。作为ITSM厂商,他认为CA Technologies的优势在于他们只做IT管理而不做硬件设备,这使得CA Technologies能够保持一贯的中立性。而且在IT管理范畴,CA Technologies的优势一直比较明显。
另外他以一个例子来表明ITSM厂商做DCIM的优势,“新加坡某银行客户找我们做DCIM的目的很清楚,他们要做一个更深层次的资产管理,这其实是设备管理跟IT管理的一个边缘课题,我们要在原来帮助这家客户管理服务器资源的前提下,把ITIL(IT服务管理)的流程拓展到机房的基础设施、机架以及机房的地面承重上。”
对于施耐德或者艾默生来说,如果做同样的事情,他们要从探测、温度、能源、空间管理的角度入手,但是数据中心的IT设备品牌不同、架构不同,如何把这些搞定?他们没有这方面的经验,还是要跟IT厂商合作。
郑伟轮强调,CA Technologies解决了ITSM当中最关键的问题,也就是CMDB(配置管理数据库)的实时性问题,如果CMDB不准,所有流程全不起作用。
面对DCIM市场,郑伟伦认为这个市场发展飞速,不仅如此,市场远未达到饱和。另外,在很多用户的意识中,IT作为一个整体服务和数据中心作为一个整体服务提供的这些基础架构已经为大家所接受,这一市场已经不需要再进行培育。
在CA DCIM客户中,首要看重容量管理能力,其次是绿色节能。
就CA Technologies在DCIM领域的进展来说,几年前缺少的是空间、能源、热量以及制冷的机房基础设施管理,但最近这一块公司已经进行了弥补。而对于机房的动环监控,CA Technologies已经做了差不多十年,也跟诸多UPS厂商进行了合作。在ITSM的集成以及三维展示和机房管理方面,公司也做了有三年的时间。
所以跨出DCIM这一步,对CA Technologies来说可谓顺理成章。在国内,CA Technologies已经与很多运营商的新数据中心进行了合作。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。