据消息人士的说法,联想与SimpliVity双方已经达成一项协议,允许来自中国的硬件巨头在其System X基础设施之上构建超融合型解决方案。
联想公司计划以自家System X服务器为平台,向市场推出SimpliVity的软件定义超融合型基础设施。顺带一提,System X产品线来自去年联想以21亿美元收购蓝色巨人x86业务的收购交易。熟稔业内状况的消息人士同时表示,这条系统产品线将分为小型、中型以及大型三类配置方案。
联想与SimpliVity两家企业已经同意分别承担产品销售与市场推广工作。在采访当中,消息人士表示System X/SimpliVity系统将通过联想公司的经销商合作伙伴向北美市场推出。
SimpliVity公司拒绝就这一消息发布评论。而截至发稿之时,联想亦没有对我们提出的讨论请求作出回应。
SimpliVity以及Nutanix是目前两家迫切希望获得OEM或者合作伙伴支持的超融合型方案供应商,研究企业IDC公司分析师Jed Scaramella,其主要研究范畴为超融合型系统。
由于不具备自家超融合型解决方案,各大服务器供应商不得不被迫与SimpliVity以及Nutanix这样的软件企业进行业务合作,Scaramella在采访中指出。
现在,随着企业服务器市场的运营态势趋于平缓而超融合市场迎来可观发展动能,各大主流传统企业也开始努力向新的业务领域发起冲击,他表示。
“这一切的实质在于争夺市场份额,哪里存在潜在利润、哪里就是厂商希望占领的根据地,而目前的热门领域自然就是融合、超融合以及云范畴,”Scaramella解释称。
作为如火如荼的超融合业务市场上的双璧之一,SimpliVity公司将凭借此次与联想建立的合作关系拉拢到另一位重量级伙伴的支持。
就目前来讲,SimpliVity公司已经在思科UCS服务器以及x86平台之上交付其超融合型基础设施产品。思科方面以认证方式同意SimpliVity软件运行在其服务器平台当中,但双方的合作关系还较为表面,具体来讲思科并不会为SimpliVity提供任何市场营销方面的支持。
与SimpliVity之间的合作也让联想的企业级超融合型产品组合得以进一步丰富,从而扭转了原本只能同Pivot3以及StorMagic合作开发低成本系统的局面。
联想公司北美企业业务部门副总裁兼总经理Brian Hamel最近在采访中指出,该公司致力于找到进一步拓展市场份额的途径。“我们将着力削减成本结构,从而压倒戴尔、惠普以及思科成为市场上成本最为低廉的方案供应商。”
根据研究企业Gartner发布的报告,联想公司今年第一季度总计售出22万379台服务器设备,占整体市场份额的8.3%,仅落后于戴尔及惠普。
戴尔公司从去年开始与Nutanix方面达成了战略合作关系。
IDC公司预计今年年内超融合市场销售总额将达到8.068亿美元,而明年则将进一步增长至15.7亿美元。与此同时,服务器市场的年度增长幅度则仅为3%到4%,Scaramella指出。
“我们认为联想肯定能够实现业绩增长,”研究企业TBR公司首席分析师Christian Perry在接受采访时指出。“他们已经成功削减了System X产品的价格,并将在成为行业领导者之前始终以低利润求份额。”
事实上,联想公司的成长已成定局,但其同时也是最后一家涉足超融合业务领域的硬件厂商——联想于今年7月凭借同Pivot3的合作关系首度试不,并随后在本月月初与StorMagic结为合作伙伴。
“联想公司的行动确实有些迟缓,但比赛这才刚刚拉开帷幕,”Scaramella指出。“其中的竞争正在逐步升温,联想虽然参与较晚,但却并没有落后太多,真正的角逐这才正式开始。”
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。