有消息人士称,合作伙伴正在向思科施压,进行超融合基础设施的收购,而不是像前不久与超融合初创公司Springpath签订的OEM协议。
"我宁愿看到的是收购,而不是合作伙伴关系,因为如果有人收购了这家公司,合作伙伴关系就会分崩离析,这对思科来说是不利的,"一位不愿透露姓名的思科金牌合作伙伴高管称。"如果有其他厂商决定收购这家公司,把你晾在一边了,怎么办,'现在我该怎么办?'[例如,]思科与F5签订了OEM协议,如果F5发生了什么事情,他们可能会很容易地切换到Riverbed,但是在超融合领域,这件事就变得更为困难了。"
有消息人士称,思科正在开发一款新的超融合一体机,将思科的UCS服务器与来自Springpath的技术结合起来。在这个与Springpath的协议下,思科有收购这家总部在加州桑尼维尔的软件公司的选择。
TeckLinks是一家总部在阿拉巴马州伯明翰的解决方案提供商、思科合作伙伴公司,该公司销售执行副总裁Michael Girouard表示:"我想看到的是一次收购?是的。我不认识市场了解Springpath。如果他们不收购一家知名的公司[如SimpliVity或者Nutanix],那么[收购Springpath]对他们来说是一个涉足该领域的好方法。"
另外一位来自与思科合作的解决方案提供商的高管称,如果思科签订了一份OEM协议的话,将不会得到赢得显著的市场态势或者跨入领导者行列。
"所有思科的销售代表都在期待[看到一次超融合收购],思科将会推出一个渠道计划让人们得到认证,这样年底会看到一些市场成效--如果只是OEM协议的话是无法做到这一点的,OEM协议不会带来改变,"这位不愿透露姓名的高管说。
有合作伙伴表示,2015年思科在安全和云等很多领域进行了大量收购,而超融合收购同样很重要。
Presidio是一家总部在纽约的顶级思科合作伙伴,该公司网络及安全战略技术部门副总裁Randy Olsson表示,他相信思科很快就会在超融合领域有所动作。
"他们需要对超融合市场做出响应,他们需要一个很好的答案,"Olsson这样说。"我等不及想要正式地听到这个问题的答案……这将是工具箱中的一款新增工具,为客户提供他们想要的东西。"
思科表示它不会对传闻或者猜测作出评论。
调研公司IDC预测,2015年超融合市场规模将达到8.068亿美元,并且会在今年增长到超过15亿美元。
去年,已经有思科合作伙伴呼吁思科在超融合领域来一个大手笔,然后思科关闭Invicta存储业务让这团火焰进一步煽起。在8月的一次采访中,思科首席执行官Chuck Robbins表示,思科对于在超融合基础设施解决方案方面选择合作模式而不是开发自己的产品线"很满意"。
去年5月有传闻说思科正在考虑收购超融合领导厂商Nutanix。Nutanix首席执行官Dheeraj Pandey很快驳斥了这个传闻,称如果Nutanix想要被收购的话会优先考虑戴尔,后者已经与Nutanix建立了合作伙伴关系。
思科在2014年9月与超融合一体机开发商SimpliVity建立了合作伙伴关系,思科出售该公司的软件和思科UCS服务器硬件。
有解决方案提供商表示,思科通过收购Spring一头扎进超融合市场并不算太晚。
"我的直觉告诉我,'哇,你们真的是太迟了'--但是,当我退一步看这个市场,真是这样的吗?"这位思科金牌合作伙伴表示。"有很多传闻,有很多人在讨论,但是归根结底,Nutanix到底卖了多少,客户真正为此买单了多少?我认为他们的时机可能是不错的,即使我首先想到的是他们应该一年前就这么做了。"
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。