Simplivity公司打造出向外扩展整合型服务器存储方案Omnicube,但要发挥它的全部能力、用户需要对自己的IT基础设施进行一番颠覆性的改造。听起来这样的产品实在很难卖得出去,但目前已经有不少客户着手推进,而这家初创企业也为自己提出了年营收额2亿美元的宏伟目标。
该公司成立于2009年9月,他们用了三年半的时间——也就是到2013年4月——来编写能够运行在Linux上的代码,并随后推出了自己第一款进入通用阶段的产品。公司创始人DoronKempel在第一年内出资支撑企业运营,随后则依靠风险投资方的资助完成了A、B以及C轮融资,总计筹得1.01亿美元资金。
截至目前其Omnicube产品已经出售了五个季度,公司当下在全球范围内拥有260家合作伙伴,并成为一家100%纯渠道销售厂商。
作为其竞争对手,Nutanix公司已经在产品发布后的第十一个季度实现了2亿美元的年营收水平。Kempel表示:“我们将在第八个季度实现同样的2亿美元营收目标。”
不过戴尔已经与Nutanix建立起OEM合作关系,Simplivity公司是否能够继续保持自己的迅猛增长势头?
Kempel指出,客户对于其解决方案抱以高度赞赏:当数据抵达Omnicube之后将经过重复数据删除与压缩处理,并在接下来始终处于Omnicube体系当中——包括将副本保存在其它Omnicube方案内。只有在彻底摒弃Simplivity产品后才需要对数据进行导出恢复。根据Kempel的说法,目前客户已经能够享受到20:1甚至是30:1的数据量缩减比率。
重复数据删除与压缩功能是由专门的PCIe加速卡实现的,其同时配备FPGA与NVRAM,但存在两种例外:在笔记本设备上运行Omnicube软件或者在Amazon云的虚拟机中使用。在这两种情况下,重复数据删除与压缩工作将纯由软件完成。
要对Omnicube进行管理,企业只需要为其指派一位VMware管理员。而且无论被部署在哪里,Kempel强调称其都能显著降低管理成本。
下面来看Simplivity公司的客户数据:
Simplivity公司的员工人数在2013年8月为100名,2014年2月为200名,2014年6月为300名,8月也就是现在则为350名。其中包括约140位工程师与120位销售人员,还有一部分员工驻扎在欧洲、中东以及非洲地区。目前该区域的员工总数为约60名。
要想在产品发售后的八个季度时获得2亿美元年度营收总额,意味着Simplivity方面需要在单季度拿下5000万美元销售数字。Kempel曾经与Moshe Yanai共同开发出重复数据删除方案Diligent,并以2亿美元的价格出售给了IBM——总之,这是一位善于创造奇迹的牛人,因此我不会对他提出的运营目标妄下结论。
顺带一提,美国职棒大联盟也是Simplivity公司的客户,看起来这位后起之秀已经挥出一记漂亮的本垒打。
好文章,需要你的鼓励
随着AI模型规模不断扩大,GPU内存容量已成为瓶颈。Phison和Sandisk分别提出了软硬件解决方案:Phison的aiDAPTIV+软件通过创建跨GPU内存、CPU内存和SSD的虚拟内存池,支持高达700亿参数的模型;而Sandisk的高带宽闪存(HBF)则采用类似HBM的硬件架构,通过TSV连接器将NAND闪存与GPU紧密集成。Phison方案适合中小企业和边缘系统,Sandisk方案则针对大型GPU服务器,两种技术可共存互补。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。