作为Fusion-io的持有者,SanDisk公司曾于2013年4月收购了Nexgen及其混合闪存/磁盘阵列业务。但如今该公司做出决定,着手将Nexgen分离出去作为独立业务进行运营。为什么要这么做?
SanDisk公司执行副总裁兼首席战略官SumitSadana在一份声明中指出:“混合系统当中所涉及的硬盘驱动器并不从属于SanDisk的战略关注范畴。将ioControl业务分离出去能够帮助我们将主要精力与资源继续放在我们的核心业务身上,同时也能让这家独立企业在瞬息万变的企业级存储市场上抓住更多发展机遇。”
根据我们的理解,作为一家主要面向flashDIMM、PCIe闪存卡以及SSD等产品的闪存存储组件供应商,SanDIsk并不打算与那些专门利用此类组件构建存储阵列的OEM客户们发生正面竞争。有鉴于此,NexGen的ioControl产品线恰好是将PCIe闪存卡(用于实现理想性能)与磁盘驱动器存储(用于提供充裕容量)相结合,这显然违背了SanDisk的既定方针。
这家新成立的企业名为NexGen存储有限公司,SanDisk将继续为其提供PCIe闪存卡设备、但却不再保留对其的所有权。
NexGen公司将由联合创始人兼CEO Jon Spiers负责领导,他表示在过去二十个月中,该公司作为SanDisk旗下的ioControl部门已经“实现了显著的营收增长,迎来数百家新客户并几乎将研发领域的投入额度提高到原先的三倍。”
除了加快新型技术及产品的交付速度之外,拥有独立的运营地位还将使得NexGen在销售、市场推广以及渠道销售规划等方面更上一层楼。
2013版ioControl阵列内部布局一瞥
Spiers在一份声明当中表示:“NexGen公司的创立初衷正是为了解决用户在性能水平与管理便捷性领域面临的挑战,而具体解决方案在于采用多种不同存储类型,包括NVDIMM、闪存、硬盘驱动器、云存储层以及其它一些尚未投入商业使用的技术方案。获得独立运营地位使得NexGen公司能够保持其技术发展思路并为客户提供最出色的服务。”
大家需要对“NVDIMM”格外留意(即非易失性DIMM)。SanDisk公司已经在为联想、华为以及Supermicro等企业供应ULLtraDIMM系统。Tegile公司也很可能成为这项技术的潜在客户,即直接通过Diablo Technologies实现获取。竞争对手Nibmle Storage自家开发出的flashDIMM技术则借用了来自Netlist的初始方案。
FlashDIMM所提供的数据访问速度甚至比PCIe闪存卡更出色。在我们看来,目前已经有一些迹象表明NexGen公司将利用flashDIMM技术对自家系统方案进行加速。相信NexGen会在不久的将来陆续披露一系列新技术与新产品。根据我们了解到的情况,此类产品中的闪存容量比例较其它混合系统高出六倍,闪存存储容量高出四倍、性能提升也将达到市场竞品的三倍。
产品中还将配备一套以数据优先级驱动的缓存系统,能够将单一虚拟机的使用成本降低25%。之所以能取得如此显著的改善,是因为这套缓存系统会对进入闪存的数据进行优先级排序。
Nexgen公司如今已经有能力以更为强健的立足点同市场上的其它新兴混合阵列供应商开展竞争,其中包括Nimble Storage、Tegile以及Tintri。此外,来自各大主流供应商的混合阵列以及X-IO的HyperISE产品也可能与其存在业务交集。
由于业务拆分尚未正式公开,所以我们还不清楚Nexgen目前是否已经能够盈利,抑或是尚需要SanDisk方面提供资金来推动其业务增长或者寻求风险投资方的援助。
希望Nexgen能在新的一年中迎来顺利的发展态势,我们也期待着这家浴火重生的企业带来不俗的表现。年轻人,该上路啦。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。