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
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。