我还只是家“年轻”的初创企业。
年事已高的初创企业Pivot3公司通过收购全闪存与混合阵列初创企业Nexgen再度回归年轻,并刚刚取得了5460万美元融资。
自2003年成立以来,Pivot3公司的股权与银行融资已经使其总体持有资金高达近2.5亿美元——根据我们的推算,具体为2.4704亿美元——而最近的这次筹款应该属于G轮融资。
我们的记录显示,该公司在十三年的发展历程中总计进行了13次融资。作为一家不再年轻的企业,Pivot3需要向支持者及市场证明其独立实现成功并进行事业自我维持的能力。
Pivot 3公司指出,此次融资将加快其发展速度并帮助其开发出“具备可预测性能表现的超融合与全闪存存储解决方案泛用型套件。”该公司将进一步加快NexGen与Pivot3产品组合的整合速度及产品上市战略。
但这一领域已经相当拥挤,我们可以随意列举出一大堆全闪存与超融合方案供应商:EMC、思科、戴尔、HDS、惠普企业业务公司、华为、GridStore、Kaminario、联想、NetApp、Nimble Storage、Nutanix、Pure Storage、SimpliVity、Tegile、Tintri、Violin Memory以及X-IO等等。而这些还只是其中的一部分。在我们看来,提供“可预测性能”并不足在如此激烈的竞争中脱颖而出。
我们可以推测,Pivot3公司的支持者们决定投入更多资金以支持这家风险较高的初创企业。Argonaut Private Equity 也协同S3 Ventures加入了这场融资活动——双方此前都曾经为Pivot3提供过资金。
Argonaut Private Equity公司执行董事Steve Mitchell指出:“超融合型基础设施与全闪存存储属于两大预计将实现可观增长的新兴市场。Pivot3有望凭借着自身的差异化解决方案成为其中不可替代的参与者之一,并能够解决现代IT数据中心所面临的成本与复杂性难题。”
“不可替代的参与者”与“差异化解决方案”听起来确实不错,但事情是否真是如此?我们真的很难想象会有一家初创企业同时进军全闪存与超融合市场,但同时又明显落后于其它竞争对手的发展进度。
而私募股权组织的影响力似乎也能够从Nexgen收购案中得到体现,可以看出其希望Pivot3公司能够生存、发展并最终进行IPO或者接受整体收购。
根据我们得到的消息,此次筹得的资金将使得Pivot3公司通过将“NexGen QoS能力同Pivot3的领先HCI解决方案加以结合,同时将其专利擦除编码技术扩展至NexGen高性能解决方案当中”的方式“交付一整套新的解决方案组合”。
凭借着这种技术整合,Pivot3公司将能够对传统HCI产品的用例与独立架构进行扩展。这也是目前行业当中惟一的此类解决方案。
Pivot3公司将拿出一部分资金用于扩展自身销售与市场推广团队,从而加快产品上市速度并希望“推动企业业务的持续增长。”
Pivot3公司CEO Ron Nash在声明中指出:“如今的各企业需要一套动态、敏捷且灵活的IT基础设施,从而帮助其获得竞争优势以及更低的持有成本。Pivot3公司正在积极应对这项挑战,希望在市场范围内发起一场面向传统融合型与高性能存储方案的扩展革命,旨在帮助客户更为有效且高效地管理IT并加快新型业务挑战的适应周期。”
如今Pivot3已经拥有至少18位财力雄厚、行业领先、信誉良好且具备强大销售渠道的竞争对手。反复强调上述宏观愿景当然是你的自由,不过Ron同志,13年过去了,也该拿出点实际作为了吧?
期待着Pivot3的新方案,也祝这家年迈的初创企业一切顺利。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。