EMC公司高级软件部门负责人——同时也是存储巨头ViPR技术方案项目主管——如今已经转而担任EMC CEO David Goulden的顾问一职。一次职位变动为何值得如此关注?容我们一一道来。
自2011年从微软离职之后,Amitabh Srivastava就一直负责EMC的高级软件部门事务;我们此前也已经在文章中谈到他如何执掌Bourne项目,也就是现在的ViPR。在微软供职期间,他担任的是服务器与云部门高级副总裁一职,主要打理Azure与Windows Server业务。
ViPR是一款存储管理软件,能够在存储硬件——例如EMC的VMAX、VNX、VPLEX、XtremIO、Isilon以及Atmos阵列——之上以其自有控制平台与数据服务构建起抽象层,当然也支持特定的第三方阵列与商用磁盘驱动器阵列。
ViPR架构示意图
该数据服务中包含文件与块访问协议、对象存储与HDFS,用户可以将其与任何底层存储阵列相对接。因此,向外扩展Isilon文件管理器可以取代专为对象存储设计的Atmos阵列实现对象存储,而Atmos也能够取代VMAX以及VNX满足块存储需求。
ViPR是EMC的旗舰级软件定义存储产品。其高级软件部门虽然在ViPR之外也打造出更多其它产品,但ViPR无疑充当着公司的门面。
已经有传闻指出,EMC公司的各个存储阵列产品团队之间就ViPR发生了争执,他们纷纷指责ViPR的出现允许客户利用更廉价的其它备选方案取代自己的阵列产品。
举例来说,运行ViPR块与文件服务的用户完全可以利用商用硬件替代原有的VNX阵列。在这种情况下,ViPR软件本身能够提供原本需要由VNX操作软件负责的控制器功能——而这显然将极大影响到Brian Gallagher的企业与中端系统部门从VNX身上获得的运营收益。
EMC在ViPR基础上建立的弹性云存储服务将与利用Isilon作为存储库的Amazon S3展开直接竞争。ViPR已经让EMC内部出现了抗拒之声,抱怨与愤怒情绪也迅速蔓延;ViPR在扼杀硬件部门营收金蛋的同时,自身却只能带来极为有限的一点销售份额。
根据我们的理解,没错,EMC从宏观角度上确实有必要进军软件定义存储领域,但却不应该以大幅度牺牲硬件阵列产品部门的利益作为代价。是的,EMC应该在市场上保持领先地位,适量而合理的内部竞争也有益于其持续发展。然而竞争不应该转化为各部门之间的战争,即让一个部门的解决方案彻底摧毁其它部门的营收来源、同时又无法带来足以抵消这种损失的相应利益。
我们听说高级软件部门已经陷入了混乱书面,其中销售负责人与客户沟通代表相继离职、几乎拿不出什么书面研究资料、销售额低下、运营结构也经历了一系列重组。互联网上对于ViPR的意见也比较消极,从表面上看该项目的市场吸引力糟糕透顶,而且在EMC的各产品当中处于二等公民的地位。
高级软件部门中负责市场推广工作的Christopher Ratcliffe对这一系列状况作出如下回应:
我无法就其具体销售额透露太多细节,不过我要强调的是,在过去一年中我们已经为高级软件部门带来相当可观的销售与预售客户。我们从EMC内部与外部吸纳进新成员,并且继续保持增长势头。
正如我们在财报会议上公开指出,我们在上个季度中已经实现了ViPR客户的显著增长、并且列举了多家客户作为参考。我们在EMCWorld大会上公布了更为具体的客户清单,其中包括Vatican、SAP、CSC、Swisscom以及其它一系列企业。
简言之,目前的状况只是正常的组织雇用模式,没必要对其者过度猜测或者解读。
但现在Amitabh Srivastava已经离开了高级软件部门并转而担任CEO顾问。EMC公司新兴技术部门总裁Chirantan “CJ” Desai现在将高级软件部门纳入了其管理区划。虽然CEO顾问这个职位听起来级别很高,但却并没有属于自己的特定工作内容;换句话来说,Srivastava最终完全可能离开EMC、到其它企业中寻找能够实现自身价值的平台。
Goulden为什么会需要一位顾问?他已经拥有需要向其直接报告的高管团队与CTO了。再加入一位顾问实在显得有些多余。
EMC公司企业公共关系主管KatrynMcGaughey表示:“Amitabh实际上转而担任执行副总裁兼CEO顾问一职。这对于原本担任高级软件部门总裁的他来说是一次理想的升迁。”
“高级软件部门现在将被合并到新兴技术产品部门当中,并将作为Jeremy Burton的信息基础设施产品机构的组成部分向CJ Desai报告。这也是顺理成章的作法。高级软件部门专注于开发新兴技术,其产品也处于开发流程当中的过渡阶段。”
EMC的思路很有趣也极具象征意义,我们将继续观察ViPR产品及战略在新兴技术部门中的发展轨迹。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。