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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。