超融合初创公司Nutanix本周二推出了一款功能精简的一体机,面向中小企业,希望在IPO之前吸引新的客户。
这款名为Nutanix Xpress的一体机是Nutanix超融合软件的简化版,不包括复杂的企业级功能。Nutanix已经为Xpress成立了专门的工程、销售和市场团队,Nutanix首席营销官Howard Ting在采访中这样表示。
超融合是结合了计算、存储、网络以及运行在x86硬件上的虚拟化,目前超融合是一个非常热的市场。Nutanix和SimpliVity已经筹资近6亿美元,但是思科和HPE最近也发布了竞争产品。
Nutanix Xpress的定价低至三节点配置2.5万美元,提供三年的支持,预计7月上市。"在这个领域,这是一个非常低的价位,"Ting这样表示。
Nutanix并没有公布产品定价,但作为比较,它比较受欢迎的Nutanix NX-3460一体机去年夏季的标价为201501美元,包括硬件、软件和3年支持。
思科在超融合市场的产品HyperFlex起价为59000美元,是一个3节点的集群,包括24x7x4的现场支持。SimpliVity的入门级OmniStack解决方案采用思科Unified Communication System (UCS)服务器,包括三年关键业务支持,成本不到2万美元。HPE目前还没有公开其ProLiant Easy Connect EC200a一体机的定价信息。
InterWorks是一家位于俄克拉荷马州斯蒂尔沃特的Nutanix合作伙伴公司,该公司企业解决方案总监Daniel Holm表示,价格一直是小型企业采用超融合的障碍,这也是为什么Nutanix要推出精简版的原因。
"小型环境并不是很复杂,客户并不需要那么多额外的调度和完整版中的大型横向扩展特性。所以移除这些功能将会让Nutanix Xpress对于小型企业更有吸引力,"Holm这样表示。
Xioss是一家位于亚特兰大的Nutanix合作伙伴公司,该公司首席技术官Jeff Lamothe表示,他认为Xpress将给中小企业客户提供一个更容易部署、价格更合理的超融合产品。
"Nutanix Xpress是一个人就可以轻松部署和维护的系统,同时也节约了大量的硬件、软件和工程成本,"Lamothe表示。"这将大幅缩短上市市场,提高投资回报。"
虽然Nutanix尝试通过Xpress获得更多客户,扩大市场覆盖面,但是它仍然面临环境艰难的IPO市场。Nutanix在12月向美国证券交易委员会提交了S-1文件,然后在今年4月更新了文件,但是至于这家初创公司要何时试水IPO仍然是个未知数。
Nutanix在文件中写到,从2015年7月31日开始的2016财年上半年,收入增长了85%达到1.905亿美元。在2015财年,Nutanix的收入同比增长90%达到2.414亿美元。
但是截止1月31日,Nutanix也有3.452亿美元的累积赤字,包括2016财年前6个月的7180万美元亏损。
Nutanix与戴尔和联想都签订了OEM协议,与这两家厂商共同出售超融合产品。但是到目前为止,只有联想同意出售Nutanix Xpress,与戴尔的商谈还在进行中,Ting这样表示。
一位戴尔新闻发言人表示,戴尔"正在与Nutanix就Xpress进行商谈",但是拒绝进一步置评。
Ting承认,Xpress在某些方面是对日益激烈的竞争所做的回应,但他也表示,Nutanix计划推出一款专注于中小企业的产品已经有一点时间了。
"这并不完全是受竞争环境的推动。我们总觉得我们要开发优质的产品,这一直是我们的计划。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。