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
人工智能初创公司Counterintuitive Corp.正式发布,旨在通过开发专为推理而非模仿设计的芯片和软件来重新定义AI。该公司提出人工推理单元(ARU)这一全新计算架构类别,以解决现代AI面临的"精度无真理、推理无记忆"双重困境。ARU采用确定性、记忆驱动的推理架构,配合全栈推理软件,承诺突破当前AI局限性,开启后GPU时代的智能计算新纪元。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
全球最大云服务提供商亚马逊云服务(AWS)遭遇大规模故障,影响政府机构、AI公司和金融平台等众多客户。尽管AWS称已基本恢复,但仍有用户无法连接租用服务器。故障源于关键数据库服务的数字目录故障,导致依赖该数据库的软件无法获取信息而出现连锁反应。受影响服务包括Venmo、苹果音乐、Zoom等数百个网站和应用。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。