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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。