在经过互联网泡沫之后,NetApp开始稳步推进并赶超竞争对手,在存储市场找到较为靠前的席位,直到目前NetApp稳居存储市场第二的位置。今年5月,NetApp迎来新的2015财年,借着上周的媒体沟通会,以及此前财报电话会议的资料,我们有机会梳理一下2015财年NetApp的主要战略路线。
关于云
现在NetApp的产品架构战略正是朝着结合当下云趋势的方向发展,从私有云、公有云和混合云三方面统一平台和接口,与微软、Rackspace以及Verizon等合作伙伴携手并进。NetApp已经建立起专门的云业务部门,为企业/云服务供应商提供云创新项目及技术成果。
NetApp希望通过将Data ONTAP操作系统部署到客户内部环境以及公有云体系当中来打造无缝化私有云数据管理环境,他们甚至有计划将这套系统推广到所谓超大规模企业这类需求量最可观的客户群体中。
同时,通过与OpenStack的协作,NetApp已经有超过两百家云服务供应商提供以ONTAP为基础的服务项目。NetApp称,最终目标在于创建出一整套可以由企业用户进行消费的服务组合,并为内部计算与数据管理机制带来无缝化扩展能力——这两者对于实现混合云发展预期可谓极为关键。
不过,媒体沟通会上并没有提及Cloud ONTAP——NetApp存储阵列操作系统Data ONTAP的衍生版本,将现有Clustered Data ONTAP扩展到了公有云当中。从战略角度看,它利用Amazon Web Services与微软Azure提供存储资源,同时集成内部与外部数据管理机制。
关于融合系统
全球有越来越多的企业机构在利用集成系统解决他们长期存在的数据中心基础设施效率低下的问题。根据IDC最新集成基础设施市场报告,思科和NetApp合作的FlexPod是该季度集成基础设施市场的顶级提供商,收入达到2.684亿美元,在该细分市场的份额达到22.7%。
按照目前的态势看,思科和NetApp携手将FlexPod的收入规模推向20亿美金,目标是实现30亿-40亿美元营收,客户有望达到4100家。已经出货的FlexPod系统中有半数被用于支持数据库应用,19%则面向VDI。此外,Flexpod Express业务也迎来显著增长。
关于闪存
NetApp对闪存产品组合持乐观态度:在刚刚过去的第四财季,NetApp闪存存储产品的总体出货容量约为18PB,到目前为止NetApp总计售出容量达93PB的闪存产品,累计售出30000台混合阵列和1000台全闪存阵列。在NetApp的阵列产品发货清单中,超过7成属于闪存阵列。
下面通过幻灯片示图了解NetApp的闪存阵列定位,其中主要强调三大平台:
还未面市的FlashRay应该划归中间全闪存阵列,与全闪存EF系列阵列的速度相比不知谁高谁下。
关于产品
NetApp新一轮产品更新正稳步地进行着,例如FAS2000系列入门级系统,以及FAS 8000系列产品线扩展,包括FAS8080EX高端存储系统。FlashRay的面世同样处于持续推进中,不过具体时间仍然无法确定。
在此之前NetApp已经更新了FAS8000中端闪存阵列,由此NetApp FAS家族开始了一系列更大变动。NetApp曾解释说,对于产品的调整举措主要落实在简化硬件配置,避免客户下单之后出现中端与高端产品之间的不兼容问题,同时这对过渡到Data ONTAP集群架构上也是有利的。
除硬件之外,NetApp云存储操作系统更新到Data ONTAP 8.2.1,以及上面提到还未面市的云版本Cloud ONTAP。
关于中国市场
2011年到2013年期间,NetApp在中国市场保持着35%左右的健康增幅,得益于垂直行业拓展及二三线城市区域拓展战略。
渠道发展方面,去年NetApp和长虹佳华建立渠道合作关系,目前在中国的渠道合作伙伴超过500多家。
OEM业务方面,2014财年NetApp的OEM业务受到了合作伙伴策略转变等不利因素的影响。NetApp大中华区总裁陈文俊表示,今年将继续推进OEM业务,尤其是与本地OEM厂商的合作正在增强。
展望新财年,他强调NetApp需要“持续加强合作联盟,实现多元化合作”,战略重点仍然围绕着云计算、闪存及融合架构展开,而新财年NetApp新兴业务的重点领域则集中在大数据、移动技术以及对象存储。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。