存储竞争是全行业范围的
尽管IBM可能拥有所有关键要素,但总体来看存储是呈现下滑态势的。从4月公布的最新季度数字来看,IBM系统与科技是业务的收入下滑23%至24亿美元,特别是高端存储的疲软。IBM报告称,在2014年第一季度存储业务占到系统与科技事业部收入大约21%。
IBM并非是高端存储市场唯一感到压力的厂商。分析公司IDC在本月初公布,全球存储市场遭遇表现差的一个季度,像IBM DS8000、EMC VMAX以及惠普的3PAR存储系统这样的高性能存储系统采购量下滑了25%。
来自IDC的市场份额数据显示,EMC是存储市场无可争议的王者,从收入来看EMC占有29.1%的份额。NetApp位列第二,份额为15.1%,其次是IBM和惠普打成平手,份额均为8.8%。IDC还表示,全球外部磁盘存储系统收入同比下滑5.2%达到56亿美元。
“现在闪存和软件定义存储制造了很多混乱,这松动了EMC对市场的控制。”他补充说,IBM有一个很好的机会从EMC那里争夺市场份额。“IBM有销售合作伙伴,深厚的资金实力,以及全球分销渠道,这对它来说是一个很好的开端。”
依赖渠道取得存储业务的成功
为此,IBM将更加依赖于合作伙伴打造其存储业务并拓展新客户。为了招揽新业务,IBM最近推出了一系列计划旨在将存储产品的利润率从15%提高到20%。另外一项在4月公布的新计划,是帮助IBM业务合作伙伴提供存储销售人员的人头经费。
“对于那些愿意增加硬件销售目标的合作伙伴,IBM将支持增加外部销售人员、技术资源或者内部销售人员。这将给美洲和欧洲的合作伙伴群体带来250名额外的员工数量。”Boisvert这样表示。
合作伙伴目前占到IBM存储销售额的80%多,Boisvert透露。总的来看,IBM大约20%的业务是通过渠道做的。
CAS Severn是一家总部在马里兰州巴尔的摩的IBM较大合作伙伴,该公司来自IBM存储业务的收入同比增长在两位数。CAS Severn大约有一半的业务都是存储相关的。
CAS Severn公司售前咨询副总裁Joseph King表示:“IBM并不是旋转型磁盘的最大销售商,但它在最创新、最智能的存储解决方案方面是出了名的。”他指出,IBM虚拟存储控制器(也就是SAN Volume Controller)技术通过改进可以兼容任何运行竞争对手存储设备的商用硬件,这可能会让IBM成为存储界的VMware,King这样表示。
他说:“在未来两年,IBM拥有颠覆存储市场的潜力和技术,就像VMware颠覆服务器市场那样。”
然而在IBM可能成为存储界的VMware之前,它不得不抗衡VMware和VMware的存储野心,以及其他活跃在存储市场的厂商。
在8月,VMware推出了一款软件定义存储解决方案,连接VMware vSphere私有云和虚拟化平台。VMware虚拟SAN(或称VSAN)为VMware开发软件定义数据中心平台的计划助一臂之力,使得客户可以构建他们自己类似于Google的基础设施。
在5月5日,EMC推出了名为ViPR的弹性存储解决方案,旨在统一存储池,跨硬件和多个位置。
“IBM正在将其存储战略集中于从分析、社交和物联网趋势上赚钱。”Mesabi Group的Hill这样表示,“IBM有很好的存储产品和技术。IBM面临的挑战是,有太多像Nimble、Nutanix和Scality这样有潜力伤及IBM和其他玩家的初创公司。”
然而,联想的规模和供应链效率有潜力加速x86服务器销售,助推IBM的存储销售随之增长,合作伙伴这样表示。
TriDatum Solution是一家总部在亚特兰大的IBM合作伙伴公司,该公司首席技术官Stephen Jones表示:“一款存储解决方案的成本中有40%是在计算方面。如果联想能够很好地削减计算成本,把整体成本降下来,那么这对IBM存储业务来说就将是个好消息。”
其他合作伙伴还不确定IBM是否能依赖于联想的成功来运作一个成功的存储业务。
“联想是一家伟大的公司,但是我不希望有一个业务线是依赖于另一家公司的成功。”一家要求匿名的IBM存储合作伙伴这样表示。“公平或者不公平,联想都面临着来自中国的监管和客户审议。这可能是有些烦扰,但是IBM需要它来构建自己独立的业务,如果它希望确保未来成功的话。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。