上个月,VMware存储及可用性业务首席战略师Chuck Hollis在一篇博客文章中向Nutanix这家超融合基础设施初创厂商支持客户的能力提出了质疑。
VMware经常把合作伙伴生态系统作为它的竞争优势之一。然而在这种情况下,它公开质疑一家合作伙伴的支持能力,而这证实任何技术厂商业务的一个重要方面。虽然厂商合作伙伴关系通常少不了紧张的竞争关系,但VMware这种具有竞争性的说辞实属少见。
两家厂商的多个合作伙伴称,他们认为VMware和Nutanix的合作伙伴关系可能会随着双方在这个炙手可热的新生市场竞争月越来越激烈而关系紧张。
Hollis在一篇博客文章中表示,因为Nutanix并不是VMware vSphere的OEM合作伙伴,所以它没有得到分销或者支持VMware服务器虚拟化软件的授权。
因此,尽管Nutanix帮助客户解决vSphere相关问题,并且员工中也有多个VMware认证的专家,但是Hollis称,由于没有直接表述其支持的性质,因此可能会给客户帮倒忙。
“事实是,你的很多产品都是基于vSphere的,Nutanix并没有经过认证可以支持。拿掉vSphere的话,就没有什么值得看的了。”Hollis在回应多位提出担忧的Nutanix员工时这样评论说。
VMware现在凭借自己的EVO:RAIL打进了超融合系统市场,并且签下了9加硬件厂商一起构建设备系统。VMware的一位新闻发言人表示,EVO:RAO的主要优势之一就是便捷的产品支持。
“对于像EVO:RAIL这样的超融合解决方案,客户告诉我们,他们看重集成并且寻求对整体解决方案的一通式电话支持。”这位新闻发言人在电子邮件中这样表示。“当客户与一家VMware认证的EVO:RAIL合作伙伴、VMware OEM合作伙伴或者VMware渠道合作伙伴一起工作的时候,他们会得到整合的解决方案支持。”
Nutanix产品及技术营销高级总监Greg Smith表示,Nutanix“提供在目前业内最佳的支持体验。”
“我们致力于解决客户问题,即使这个问题是出在虚拟机管理程序上。”Smith在电子邮件中这样表示。
一位Nutanix的合作伙伴表示,他在帮助客户解决vSphere问题的时候从来没有遇到难题。“Chuck在搅浑水方面做得不错。”这个要求匿名的合作伙伴表示。
根据IDC在1月的研究结果,Nutanix成为全球超融合市场的领跑者。现在,VMware在试图放慢Nutanix脚步方面并没得分。
有趣的是,VMware并没有喊话SimpliVity,Nutanix在超融合市场的主要竞争对手,而SimpliVity目前也不是vSphere的OEM合作伙伴。一位SimpliVity的新闻发言人拒绝对他们如何处理涉及到在OminiCube旗舰产品上运行VMware vSphere的客户问题发表评论。
有消息人士称,VMware之所以放过SimpliVity是因为它只支持VMware的虚拟机管理程序,因此被认为其威胁程度低于Nutanix,后者还支持微软Hyper-V和KVM。上个月有报道称,Nutanix正在致力于开发它自己的虚拟机管理程序。
Pivot3是一家总部在休斯敦的超融合系统厂商,它创建于2003年,已经是VMware vSphere的正式OEM合作伙伴,这意味着它可以向客户提供vSphere,一位新闻发言人这样表示。
当集成商或者经销商合作伙伴向Pivot3的系统中增加vSphere的时候,他们也会提供相应的支持,Pivot3新闻发言人这样表示。
超融合系统市场正在变得越来越繁荣,VMware和Nutanix可能都有自己的成长空间。但是考虑到双方日渐紧张的关系,我们有理由猜测VMware和Nutanix合作伙伴关系的未来到底会是怎样。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。