今年10月份,2015年NetApp Insight®年度技术大会在众人期待下盛大开幕。NetApp发布了全新的 Data Fabric 解决方案和服务。为企业提供在混合云时代取得成功所需的数据管理功能。对于Data Fabric 解决方案,NetApp全球副总裁陈文俊先生及NetApp中国区技术总监游庆洪先生在10月29日举行的媒体沙龙中做了进一步阐述。
混合云是整个市场的潮流
NetApp是一个数据管理公司,主要的定位在整个生态系统里面做一个横切,让我们跟所有的生态系统连在一起。陈文俊先生提到,现在混合云是整个市场的潮流。对大型企业来说,他们也有自己的私有云,而这些应用可能放到公有云上面,中小企业或许起初因为IT资源或者人力不够,借用公用云,两者是并存的。
客户在采用混合云的时候,需要有合作伙伴来帮助快速地部署混合云,因此,NetApp专门设计了合作伙伴的专精计划,能够培养他们部署混合云的能力。同时NetApp也有Clustered ONTAP的迁移培训计划、Clustered ONTAP的专精计划,来帮助合作伙伴培养我们的集群模式、Clustered ONTAP过渡服务的能力,同时还有认证,让他们能够做Clustered ONTAPONTYP的培训,能够支持这个Clustered ONTAP的部署。
Data Fabric加速部署混合云
Data Fabric对于转售商来说是一个非常好的助手。在去年的NetApp Insight年度技术大会便备受关注,经过一年的时间,NetApp携手合作伙伴及服务提供商,不断完善生态系统,共同打造整合的解决方案和服务,从而让Data Fabric变成现实。
目前大家一提到云就会想到一些不同的技术。而所谓的云计算是什么?你要站在月亮上去看,地球上有好多朵不同的云,还有好多不知道是叫它云还是叫什么,但是这堆东西也还是自成一体的,它跟别的东西不怎么搭接。游庆洪先生说,NetApp Data Fabric实际就是能够做一个黏合剂,把这些各个不同的孤岛给连起来。
Data Fabric有三个重点,第一,自由,客户可以自由选择任何一个云服务商的云,可以是亚马逊、微软、阿里,或IBM、Google,让选择变的更自由。
第二点,数据可以跨云之间来做流动。比如今天选的亚马逊的云,可能一年以后发觉另外一个云的服务商服务更好或者成本对我来说更有利,想转到另外一个云,NetApp数据能够很方便地切换,同时可以在公有云、私有云和混合云之间流动。
第三点,速度快。很多客户在数据存储上面、在私有云里面、在运营商里面或者在公有云上面,每一种储存数据都有一个格式,格式之间可能是不通的,这个时候数据就很难再跨不同的云方面来做流动。
NetApp的Data Fabric理念是通过搭建一个数据的管理架构,使数据可以很方便的在各个云之间流动,把私有云、公有云能够搭建起来。
归根结底,Data Fabric不是产品,也不是解决方案,而是一种愿景。而它重要的价值就在于,可以帮助用户平滑的进行跨各种云台进行数据的迁移与访问。让数据自由、快捷、灵活。
未来产品以云为目标
“未来NetApp的产品都会以云为目标,或者以云为导向。换句话说,NetApp推出的新产品,要是它不是在整个云的生态系统里面有价值,那么它的优先级可能会排的很低。”游庆洪先生提到。NetApp现有的产品如果没有跟云,不管是私有云,还是公有云配合的更好,产品就不会被推出。
对于NetApp本身,还是会坚持Data Fabric的愿景、集群,继续帮助客户解决整个数据管理,整个云的过渡,往云的方向去发展提供更多的机会。
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
DeepSeek-AI团队通过强化学习技术开发出DeepSeek-R1系列推理模型,无需人工标注即可自主学习复杂推理。该模型在数学、编程等领域表现卓越,在AIME 2024中达到79.8%准确率,编程能力超越96%人类选手。研究团队还通过知识蒸馏技术将推理能力传递给小模型,使7B参数模型也能超越GPT-4o。这项突破为AI推理能力发展开辟新路径。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
微软研究院推出rStar-Math系统,通过创新的"深度思考"训练方法,让小型AI模型在数学推理能力上达到甚至超越OpenAI o1水平。该系统采用代码验证、过程偏好模型和四轮自进化训练,将70亿参数模型的数学能力从58.8%提升至90.0%,在美国数学奥林匹克竞赛中达到前20%水平,证明了精巧方法比模型规模更重要,为AI发展开辟了新路径。