专门为VMware虚拟机管理程序提供缓存软件方案的初创企业PernixData公司正在尽情享用来自风险投资方的资金援助,计划将这笔钱用于自身发展与市场份额扩张。
PernixData公司的FVP产品能够以透明化方式对服务器闪存及内存进行虚拟化,并将其汇集成跨多服务器环境的ESXi缓存体系,从而实现对向外扩展存储性能提升与虚拟机内部应用程序加速。
PernixData公司已经在由Menlo Ventures牵头的C轮融资中筹得3500万美元,此次融资还得到了来自Marc Benioff(Salesforce.com公司CEO兼董事长)、Jim Davidson(Silver Lake联合创始人兼总经理)以及Steve Luczo(希捷公司CEO兼董事长)的个人赞助。
曾经在前几轮参与融资的Kleiner Perkins、Caufield& Byers、Lightspeed Ventures、Lane Bess、Mark Leslie以及John Thompson此次同样作出贡献,这让PernixData俨然成为硅谷投资行业的关注焦点。他们都希望能够从总计6200万美元的巨额投入中获得令人满意的回报。
在FVP产品的支持下,PernixData公司的业务正如火如荼地展开,在截止于今年七月的2014财年当中、其季度营收数额与上年同期相比实现42%的显著增长。由于该公司在2013年8月才正式将产品投放市场,因此暂时只能以季度作为营收衡量指标。
PernixData公司联合创始人兼CEO Poojan Kumar对这样的成绩表示欢欣鼓舞,并表示“我们在第一年产品销售营收方面比任何一家企业级软件厂商都至少高出50%,轻松打破了这一领域此前固有的业绩纪录。”
根据我们掌握的情况,FVP目前约为全球范围内12万套虚拟化工作负载方案提供加速支持。该公司已经把其FVP软件销售到了二十多个国家的约两百家企业客户手中,总计部署节点数量超过三百个。虽然这样的成绩对于一家刚刚迈入正常运营轨道的新兴厂商来说已经相当出色,但我们很难断言其未来的发展道路是否还能如此平顺。
Kumar希望PernixData能够“将FVP推向全世界、推向每一座虚拟化数据中心”,如果这一目标能够确切实现、那么风险投资方将着手连本带利收回自己的投入。
对于一家刚刚建立32个月的软件公司来说(诞生于2012年),3500万美元绝对是一笔数额惊人的大钱。下面来看其融资历史记录:
如果继续按照2014年花费2700万美元的节奏维持开销,这家年轻的企业确实堪称烧钱能手。在2013财年内,员工数量激增160%是导致其运营成本迅速提升的主要原因之一。要想确切获得回报,他们必须将支持对象从VMware扩展至更为广泛的虚拟机管理程序范畴,而且毫无疑问、单单止步于缓存机制也是远远不够的。我们推断其员工数量还将在未来上升到新的层面。
当然,其渠道销售合作伙伴的数量也将增加——至少要远高于目前的250家。
好文章,需要你的鼓励
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。