NetApp和思科近日公布,FlexPod融合基础架构解决方案自 2010 年发布以来,联合销售交易额已达30 亿美元。FlexPod 的单位发货量年同比增长 81%,预计目前市场上对 FlexPod 解决方案的需求将创造20 亿美元的年净收入。
通过将计算、网络和存储整合到一个系统中,融合基础架构支持大幅提高数据中心基础架构的效率和灵活性,同时减少部署风险。凭借这一优势,融合基础架构已经跻身 IT 基础架构市场中增长速度最快的细分市场之列。 IDC最新发布的《IDC全球集成基础设施和平台季度追踪报告》显示,全球集成基础设施的销售额在2014年第一季度同比增长69.4%,总销售额接近12亿美元,这相当于整个市场价值的60.5%。而思科和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%。同时,Gartner在刚刚发布的《集成系统魔力象限》中指出,FlexPod依托思科和NetApp的合作支持项目和以渠道为重心的市场策略,赢得了极高的市场接受度,显示了其市场领先的优势地位。
NetApp 董事长兼 CEO Tom Georgens 表示:“我们与思科联合打造的 FlexPod融合基础架构重新定义了企业部署私有云基础架构的方式。随着数据中心的边界不断延伸,纳入了具有更高经济性和无限扩展性的公共云服务,NetApp 和思科再次引领潮流,帮助客户实现具有变革意义的混合云业务优势。”
思科董事长兼 CEO John Chambers 指出:“CIO 们不断探寻着各种简化 IT 运营的方法,专注于实现卓越的业务成果,这大大推动了整个行业朝着融合基础架构方向发展。 在 2010 年,思科和NetApp 发布了 FlexPod ,旨在向客户提供更加高效灵活的数据中心基础架构。通过不断完善 FlexPod 架构,我们齐心协力帮助客户充分利用既有应用程序,实现混合云环境的优势。”
FlexPod 销售势头强劲:
客户发展动向
上海电信依托 FlexPod 推出公共云桌面
中国电信上海公司是主要经营固定电话、移动通信、卫星通信、互联网接入及应用等综合信息服务的企业。随着业务的发展升级,上海电信敏锐地感触到客户需求的变化,并针对客户推出了其公共云桌面的业务。由 NetApp 、思科、思杰共同合作的 XenDesktop on FlexPod 方案完美地支撑了该整体方案的平台架构需求,在上海电信完成快速部署高品质云桌面的业务要求中发挥重要作用。
在该方案中, NetApp 公司的 FAS3240A 存储阵列结合思科 B200 系列 UCS 刀片服务器、 UCS 6100 系列互联矩阵组成 FlexPod 方案,配合思杰公司的 XenDesktop 企业版桌面虚拟化软件,为客户提供完善的虚拟桌面和服务器资源池,为前端千余个云桌面提供后台计算资源。 NetApp FAS3240A 存储阵列作为统一存储资源池,通过 Cisco MDS 9000 系列存储交换机、 UCS 6100 系列互联矩阵和 UCS 服务器进行统一化连接, 云桌面操作所产生的不同类型数据将通过最合适的存储协议保存在存储空间中。借助 NetApp VST 虚拟分层技术,云桌面系统有效规避了大量云桌面用户在相同时间登录/启动/打补丁产生的访问风暴,同时通过重复数据删除以及 Flash Cache 等先进技术,实现了存储资源利用率的最大化和性能最大化。
FlexPod 助力宁波实现智慧城市
在积极响应大数据时代潮流,深入实践和建设“智慧城市”的进程中,宁波市多个行业和部门亟待部署抑或更新自身的IT架构和数据平台,让数据真正实现随需的管理,智慧地服务于人。
宁波大红鹰学院是一所经国家教育部批准设立的全日制民办普通本科高校,近年来发展迅速。为满足当前和今后的学院对于校园网访问、服务器环境要求提升、数据备份和迁移等 IT 发展需求,FlexPod 基础架构平台整合了思科统一管理,统一计算,统一Fabric , NetApp 统一存储,实现了物理和虚拟资源的池化,以此为学院的统一管理和运维提供 IT 支撑,统一进行服务器应用的管理;针对多节点 Oracle RAC 环境处理性能及 UCS 无状态迁移等技术, NetApp FlexPod也能够应对海量并发访问的压力。通过虚拟化及整合,学院可将部分业务系统进行迁移。
而在宁波公共自行车租赁系统和舟山快速公交系统项目上,FlexPod 也大显身手,既满足租赁平台业务系统对高可用性、数据的高安全性的要求,同时为今后更多租赁网点的落地留出空间。重要的是,FlexPod 的架构具有弹性,满足快速公交系统未来的扩展需求,为下一步的发展留出空间。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。