专门经销超融合服务器、存储以及网络OmniCube产品的新兴企业Simplivity目前正着手拓展其全球渠道经销计划,预计这套方案将分三个级别逐步铺开。
作为一家创立于2013年的年轻企业,该公司的OmniCube产品被被为v3.0融合系统。Simplivity方面同时宣称,目前已经有数百家来自全球各地的客户使用该产品,设备安装数量也已经突破1000套。
V1.0融合系统可以说是技术行业对于由数据中心内应用程序运行所必需的复杂堆栈所带来的高成本与管理难度作出的第一次明确响应。
Simplivity公司指出,随着谷歌及Facebook等网络巨头在规模方面的迅猛扩张,将其应用程序运行在自有x86基础设施当中也同时变得愈发困难;由于商用系统的复杂程度过高,他们开始尝试采购组件并创建属于自己的业务系统。
Simplivity还表示,目前市场上的企业级虚拟机类似于半散养半圈养的小狗,而谷歌与Facebook则将其作为鸡只放在超大规模饲养场当中。
继续保留的传统堆栈元素包括以下几种:
以上共九大组件。在v1.0融合型系统当中,我们可以看到以下搭配方案:
以上为五项组件,虽然效果不错,但Simplivity表示这套初始方案在购买成本方面仍然有些偏高,而且在基础设施的占地空间、能源消耗以及冷却方面未能带来任何改进。它不具备全局管理能力,远程站点仍然孤立存在、需要额外搭配数据效率与数据保护产品,而且IOPS的单位成本仍然非常昂贵。
V2.0融合型系统与v1.0非常相似,但新增了一套单独虚拟化资源池,其中囊括了CPU、网络以及存储等资源,包含服务器、VMware方案、存储交换机、高可用性共享式存储以及SSD阵列等部件。存储在服务器上以VSA形式运行,而且整体环境也得到了改进。不过新版本的问题在于,远程站点、数据效率与数据保护加上IOPS成本过高三大障碍仍未得到解决。
OmniCube产品线配置单
V3.0融合型系统实现了超融合统一,同时将所有组件汇聚在单一堆栈当中以供客户使用。根据Simplivity公司的说法,v2.0版本中未能得到解决的难题如今已经不复存在。
目前共有三套OmniCube硬件平台可供大家使用(点击此处查看数据表格):
以上内容早在去年就已经公布出来,根据我们的猜测,也许今年晚些时候该公司会放出更多关于硬件与软件的开发进展情况。
目前这三台设备已经交由经销合作伙伴们推向市场。
作为一家完全采用间接销售模式的企业,Simplivity公司目前在全球范围内拥有约200家合作伙伴,同时有意进一步扩大其销售渠道规模。
其PartnerAdvantage计划中包含一系列常见的激励手段、培训机遇以及销售与市场推广资源,具体分为三个级别:授权、金牌与白金。预计合作伙伴未来会拿到更多源自OmniCube家族的产品与服务,从而逐步提升由双方合作带来的经济收益。
好文章,需要你的鼓励
OpenAI发布ChatGPT Atlas AI浏览器,支持网页问答、历史查询和邮件改写等功能。同时曝光秘密项目Mercury,雇佣约100名前投行精英以每小时150美元训练AI金融模型。公司还因用户滥用Sora生成马丁·路德·金视频而暂停相关功能。此外,医疗AI搜索引擎OpenEvidence获2亿美元融资,估值60亿美元。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
随着Chrome和Safari主导浏览器市场,众多替代浏览器正在挑战这些行业巨头。本文梳理了当前顶级替代浏览器,包括AI驱动的浏览器如Perplexity的Comet、Arc公司的Dia、Opera的Neon和OpenAI的Atlas;注重隐私的浏览器如Brave、DuckDuckGo、Ladybird和Vivaldi;以及专注特定领域的浏览器如Opera Air和SigmaOS。这些浏览器通过AI集成、隐私保护、定制化和专注用户福祉等特色功能,为用户提供了多样化的浏览体验选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。