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
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。