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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
马里兰大学研究团队通过测试25个大型AI模型发现,即使最先进的AI评判系统在需要同时考虑多个标准时也会出现严重偏差,准确率仅32%-53%。研究构建了Multi-Crit评测基准,揭示了AI在多标准权衡中的根本性局限,为改进AI评判系统的公平性和可靠性提供了重要参考,对AI在内容审核、产品评价等应用场景具有重要指导意义。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
南京理工大学团队开发ViLoMem框架,首次实现AI的双流记忆机制,分别处理视觉和逻辑错误。该系统模仿人类认知,让AI能从错误中持续学习,在数学推理等多模态任务中显著提升准确率,为AI从被动工具向主动学习伙伴的转变提供了重要技术突破。