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
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。