NetApp公司新任CEO George Kurian今天首次在美国本土之外的新闻发布会之前亮相,并隐晦地说明了他为公司下一步发展方向所作出的规划。
在此次于悉尼进行的媒体餐会上,Kurian继续遵循他自荣登NetApp掌门人以来一直坚持的发言基调:云业务的快速发展意味着传统存储营收必然出现下滑;NetApp的数据体系发展战略对于混合云用户而言非常理想(目前几乎每一家企业都属于混合云用户);我们的新产品发展态势良好;随着在新业务方面推动力度的不断加大,情况将逐步好转。
作为发言基调的固有组成部分,Kurian还多次谈到他在NetApp公司此前财报电话会议中提及的业务萎缩问题解决思路。
不过除此之外,他也给出了其它一些暗示。
在NetApp公司的融合型基础设施规划方面,他指出目前“正在着力围绕FlexPod打造更多方案。”
“我们的价值定位着眼于持续简化技术复杂程度,并以更多方式实现交付,”他表示。“将有更多创新成果陆续与大家见面。”
在软件定义存储方面,他谈到了NetApp公司OnTap之上的AWS实例并指出:“我们将把自己的软件推广到其它平台之上。”我们还将在软件定义存储领域“见证OnTap的发展成果”。另外,NetApp与微软亦于2012年合作推出了FreeBSD平台上的虚拟化方案,并提到最早将在2014年年内将其部署至Azure当中。对此Kurian并没有发表评论,不过Azure在平台清单中肯定会占有一席之地。
谈到闪存的发展前景,Kurian再次强调了过去曾一再提及的承诺,即NetApp目前正致力于打造Flash Ray的高可用性版本,并表示NVMe也将很快加盟该产品。不过在趋于成熟之前,其还需实现业界正努力打造的热插拔技术。
而谈到NetApp的StorageGrid对象存储软件,他表示其开发工作将继续进行,旨在帮助应用程序向云环境及至内部存储体系中拓展。
Kurian在整个过程中一直保持着冷静的态度,没有对本公司及其所提供的技术方案显示出任何热情。这也许是他的个人性格使然,也可能是赶赴澳大利亚导致时差尚未调整就绪——毕竟本周一的一场冰雹给航班造成了严重影响。又或许这位刚刚接过权柄九十天的冷静管理者正在认真思考摆在面前的巨大挑战。与存储业界的其他领导者一样,Kurian有着太多难题需要解决。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。