年轻时的VMware靠创新起家，虚拟化的创新让它在云时代占据了C位。但业界对于VMware的定位，也变成了致力于云基础架构产品和方案的技术创新，帮助企业能够横跨虚拟机、容器和Kubernetes，实现一致性的基础架构。那么，在云之外，VMware公司还有更多创新吗?VMware中国研发中心技术总监张海宁和VMware中国研发中心边缘计算实验室主任路广就联手为我们回答了这个有趣的问题。
创新的路线
创新是企业发展的基因，而VMware在今日的创新已不仅仅局限在自身创新，还引入了更多合作伙伴一起合作创新。这种创新在目前已经形成了一个体系。VMware的ESG愿景是建立一个可持续、公平的、互信的数字未来，以此为核心，VMware展开了一系列的创新。
具体来说，通过可持续发展的数字基础设施，支持向净零排放的过渡;通过赋能人们能够在任何地点以及任何方式工作，可以为所有人提供公正和包容性的机会;通过创新，让人们从韧性、道德、数据隐私、安全性和透明度的承诺中获取信认。最终，环境保护、社会公平和监管(ESG)被整合到我们所做的一切中。可以想象得到，这将通往一个令人神往的世界。
为了驱动这三个结果落地，VMware还制定了到2030年实现30个目标，涵盖分布式能源、电子垃圾责任、技术可访问性、数字道德等多个方面。张海宁和路广所负的项目就归属于这30个目标之中。
实现净零碳排放的历程
在VMware Explore 2022大会上，VMware发布了一系列云和边缘基础架构解决方案。VMware vSphere 8、VMware vSAN 8和VMware Cloud Foundation+以及VMware边缘产品组合，让VMware维持了数据中心的王者地位。但另一方面，数据中心一年上百万的电费，也决定了它需要在节能减排中负起更多责任。从国家战略层面来看，东数西算已经成为了与西电东送、西气东输、南水北调同等级别的特大工程，双碳战略已被列入国策。
事实上，VMware还有不为人知的一面。VMware本身上就是一家经过认证的碳中和公司，并从可再生能源中获得100%的电力。自2003年以来，VMware的客户已经避免了超过12亿吨的碳排放。最近推出的零碳承诺合作伙伴计划更是赋能客户可以应用更环保的可持续云。
VMware中国研发中心边缘计算实验室主任路广
路广介绍了计划中的重要一环——VMware和英特尔、Quarkdate(云创远景)合作开发的联合解决方案DeepCooling。DeepCooling可持续的碳中和计算工技术通过持续的边缘AI干预和实时控制，可以帮助企业优化数据中心的整套制冷体系的能耗表现。
目前，这套方案在三方的共同推动之下，已经在国内数个大型数据中心落地，帮助用户显著改善了PUE，降低了碳排放。在已经生产性部署的环境里全面验证了显著减少制冷系统能耗和碳排放的效果。
路广介绍了DeepCooling研发历程：“早在2018年，我们就发现了企业的数据中心运维有可提升的空间，所以我们在2018年就启动了一个名为Quarkdata的开源软件，希望能够帮助企业在数据中心运维方面提高效率，把各类系统里的数据整合起来管理。随着各行业对于节能减排的重视，我们和英特尔中国区的IoT事业部、国内的云创远景公司在2020年，一起打造数据中心治理的解决方案，目的在于优化能源的消耗。通过软硬件的结合，边缘与云端的画同，以及闭环的控制，这个方案去年已经推出。”
路广强调了DeepCooling的特性：“很多商业企业不愿意接受一个纯粹提升可持续性的方案，而DeepCooling单纯用一种新技术帮助用户减少碳排放，DeepCooling的效果是可以帮助用户降低运维成本的前提下减少碳排放，运维的成本随着方案的实施而大幅减少。用户可以因为DeepCooling方案收获降本增利，同时还能实现环保的价值，所以用户没有理解不部署它。”
数据的可用不可见
数字时代数据已经起到了工业时代石油的价值，对于用户的各项业务而言，利用好大数据分析，辅助业务决策，是决定业务能否提升的关键因素。但是，数据的背后往往是用户隐私，而在数据融合交互与数据隐私安全愈演愈烈的当下，联邦学习技术为基于跨领域的企业数据合作提供了新的范式。正是基于这种“数据可用不可见”的范式，VMware与星云(Clustar)一起推出了多云联邦学习解决方案。
联邦学习的核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练，在不需要交换本地个体或样本数据的前提下，仅通过交换模型参数或中间结果的方式，构建基于虚拟融合数据下的全局模型，从而实现数据隐私保护和数据共享计算的平衡。
VMware中国研发中心技术总监张海宁
张海宁介绍说：“数据在使用的过程中，很容易被复制，因此可能造成数据贬值，安全、隐私泄露风险也会随之而来。随着欧洲的GDPR、美国的CCPA、，中国的《信息保护法》等一系列法规的实行，对数据的使用提出了更多要求。联邦学习作为隐私计算的一个重要的手段，因此而受到了更多关注。联邦学习通过使用多方的数据建立一个综合的模型，在这个过程中，因为使用了加密、多方安全计算等等技术，使得数据提供方的数据不会被其他人获得。”
在联邦学习出现之前，在多个数据主权拥有者之间搞大数据分析是一件困难的事情。但这种困难也使得多家厂商参与进来，攻克这个难题，这也让我们对于多云联邦解决方案的特点，更加感兴趣。
对此，张海宁解释说：“我们的多云联邦解决方案首先是开源的。在联邦学习里多方进行合作，有一个互信的问题，开源是最容易检验的途径。现在很多用户倾向于开源方案，因为他们知道开源方案是可信可用的，而不是某个厂家的黑盒子式的方案。我们参与全国首个联邦学习开源社区FATE，目前55%的国内隐私计算产品或者方案都是参考和采用FATE实现的。VMware目前是FATE开源项目技术委员会的成员，也是运营专委会的主要成员，我们在FATE、KubeFATE和FedLCM3主要的开源项目里发挥了重要作用。基于FATE开源项目，我们构建了在VCF和TKG上云原生的联邦学习平台，在这个基础上，是星云的的企业级解决方案，可以为联邦学习用户提供敏捷度高、功能强大的联邦学习平台。”
此外，张海宁强调：“我们的方案以VCF(VMware Cloud Foundation)为基础平台，给用户解除了很多后顾之忧，用户可以不用去关心底层基础设施的稳定性、可靠性，也不用担心性能方面的问题，只关注他们在联邦学习的使用就可以了。”
VMware当前的定位是企业软件的创新者，而从可持续到公平，再到信认，当这些创新成果中加入了社会责任，我们就完全有理由相信，这些创新成果的尽头，一定是一个接近完美的世界。
暂无评论内容