戴尔与EMC打算在超融合方面采取"越多越好"的策略,除了售卖戴尔基于Nutanix的XC一体机之外,还有EMC的产品例如VBlock、VxRack以及VxRail。
虽然这会让合并后的公司售卖一系列互补性的、又相互竞争的专有产品和OEM产品,但解决方案提供商称,拥有广泛的选择是一种赢得超融合客户有效的且有利可图的方法。
EMC超融合平台部门、VCE总裁Chad Sakac在最近的一篇博客文章中写到,并购案完成,该部门很可能会成为戴尔XC一体机的归宿。戴尔高管此前曾表示,来自两家公司的客户经理将协同工作,与渠道一起满足客户的需求,这意味着EMC销售团队最终完全有可能要出售戴尔的XC解决方案。
Sakac解释说,戴尔和EMC超融合产品的界限是很明确的,他们可以在没有冲突的情况下各自售卖,解决方案提供商则表示认同这个观点。
戴尔和超融合初创公司Nutanix在2014年签署了OEM协议,而且在最近更新了这个协议。超融合是指计算、存储、网络和虚拟化都运行在x86硬件上。
Winslow Technology Group是一家位于马萨诸塞州沃尔瑟姆的解决方案提供商,一直与戴尔合作,并且最近开始售卖EMC解决方案。该公司总裁Scott Winslow表示:"我非常高兴在收购之后戴尔将继续保持与Nutanix的关系。客户将有更多的选择。也希望能真正与EMC合作起来,我们刚刚做完了第一笔VxRail订单,在一个月内我们与EMC合作了130万美元。"
"目前我也有戴尔XC的用户装机群,所以我需要戴尔对此作出承诺,"Winslow表示。"现在我将有两款最好的产品并驾齐驱,风险是会让客户感到混淆,这时候就需要合作伙伴了,合作伙伴会帮助你增加价值。"
World Wide Technologies是一家总部在圣路易斯的解决方案提供商,与很多厂商都有合作,该公司IT副总裁Scott Miller表示,他认同Sakac关于戴尔和EMC不一定会在超融合领域相互干扰的观点。
"如果我对EMC块、机架和Rail的观点买单,那实际上就不是与Nutanix相竞争,"Miller说。"基于Nutanix的戴尔XC一体机是这对小型企业的,他们还没有完全拥抱超融合理念,"他说。
与其他EMC产品相比,戴尔XC一体机可能会与EMC VxRail一体机形成竞争关系,后者是一款基于白盒的产品,由VMware开发,在去年2月推出。
Sakac表示,对于合并之后的公司来说,定位VxRail和戴尔XC一体机是很简单的问题。"如果你是一家在VMware vSphere上做了标准化了的客户,VxRail是适合你的超融合基础设施一体机,"他这样写道,因为VxRail是由VMware共同开发联合开发的,有单点支持。
对于那些喜欢KVM、或者微软Hyper-V虚拟化的客户来说,EMC灵活的VxRail是理想选择,除非客户倾向于从小规模起步,"温和地"增长,这时候戴尔XC一体机就是不错的选择。
尽管如此,在戴尔与EMC并购完成之后,还是需要一些原则来确保基于Nutanix的戴尔XC一体机避免与戴尔/EMC的产品相竞争。Sakac解释说,EMC可能会在VxRail和VxRack系统中采用戴尔PowerEdge服务器平台,把XC留给那些特别希望采用Nutanix解决方案的客户。
"如果新的VxRail是构建在戴尔计算之上的,那么戴尔将会拥有比转售Nutanix产品更多的空间,"一位要求匿名的解决方案提供商表示。"还有一个原因是Nutanix也是受益的。"
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。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
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。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。