随着VMware推进基于核心虚拟化技术的私有云愿景,竞争对手正在加快构建替代技术栈的步伐。
基于内核虚拟机(KVM)的开源虚拟化平台OpenNebula上周发布了7.0版本,并将其称为"重大架构飞跃",得益于"重新定义的云边缘编排引擎……旨在支持跨混合和多提供商环境的分布式、自主和智能基础设施"。
新版本还增加了对Arm处理器的支持,以及增强的PCI直通功能,实现了与NVIDIA虚拟GPU的完全兼容,这意味着用户可以在"AI工厂"中部署OpenNebula——这是英伟达对专用于AI工作负载的数据中心或基础设施模块的称呼。
该公司还通过增加更多自动化功能改进了迁移能力,并优化了云配置引擎,包括简化集群设置。OpenNebula已经在开发维护版本,其中包括引擎的完整重新设计,并已开始7.2版本的工作。
红帽的OpenShift虚拟化平台也在持续开发中,上周发布了4.19版本。
主要新增内容是在Azure、Oracle云基础设施和Google云上运行平台的技术预览。一旦红帽完善这些预览功能,就将在合作伙伴方面与VMware接近对等,从而为混合云做出贡献。
另一个值得注意的预览功能是智能资源分配,它实时监控虚拟机的资源利用率,并自动将工作负载分配到有能力良好运行它们的节点上。这样做应该能提高硬件利用率,这正是VMware大力推广其产品的一个重要指标。
Xen的Rust重写
容器运行时公司Edera上周透露,已使用Rust重写了开源Xen虚拟化管理程序的控制平面。
正如两篇文章中所解释的,Edera认为容器在虚拟机内运行时安全性最佳。
这家西雅图初创公司使用Xen的半虚拟化功能,认为这能增强安全性。Edera还相信内存安全语言是安全必需品,因此使用Rust编写了Xen工具栈,据称其性能与xl管理工具相同,但提供了更好的安全性。
红帽还改进了虚拟机迁移工具,让存储阵列承担数据移动的工作,从而减少了完成迁移所需的时间和停机时间。日立Vantara已开发了该技术的预览版本,并正在推动其发展。
另一个新功能支持虚拟机存储的实时迁移,可以迁移到不同的存储层或不同的阵列。同样,这也是一个预览功能,红帽预计将在未来更新中推出。
Nutanix也很忙碌,在6月底发布了其云基础设施栈的更新。
7.3版本添加了多集群虚拟交换机,连接集群并改进跨基础设施模块的工作负载迁移。Nutanix还改进了配置自动化,通过边界网关协议调整增强了虚拟路由,并通过允许用户在Azure Blob存储中存储快照来加强弹性,实现了无需维护Azure计算资源即可恢复的能力。
HPE的虚拟化更新以与备份厂商Veeam合作的形式出现,后者支持前者的Morpheus VM Essentials平台。HPE设计这款产品作为VMware低端vSphere服务器虚拟化套件的替代方案,这些套件在VMware推进私有云的过程中有些被忽视。
几周前,Veeam还悄然透露计划在今年北半球夏季为XCP-NG虚拟化栈提供其软件的测试版。
没有备份等重要辅助服务厂商的支持,任何平台都无法成功,因此HPE和XCP-NG背后的公司Vates在Veeam相信其产品代表机遇这一点上获得了很好的验证。
虚拟化厂商的这一轮集体活跃可归因于博通给VMware带来的变化,后者现在全力投入其监管私有云的Cloud Foundation套件——但价格不菲。博通坚持认为Cloud Foundation通过提供比公有云更便宜的替代方案、提升本地基础设施利用率,以及在最新的第9版中允许简化的类云操作使IT部门更高效,能够快速收回成本。
竞争对手指出VMware大幅提价和潜在锁定风险是考虑其产品的理由。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。