Nimble Storage联合创始人、工程副总裁Varum Mehta本周一预测说,一旦戴尔完成了对EMC规模达620亿美元的收购,戴尔-EMC的销售人员将会面临出售戴尔服务器而不是思科UCS服务器的“巨大压力”。
“他们将面临着售卖戴尔集成堆栈的巨大压力,”Mehta在2016 GreenPages Cloudscape Summit大会接受采访时这样表示。“他们希望售卖一个集成的堆栈。他们收购EMC不是为了售卖更多的思科服务器。我认为这是未来他们的重点。我认为未来与思科的关系将会越来越疏远。”
这个关于EMC与思科关系出现裂缝的预测将会直接影响VCE融合基础设施的合作,而这为Nimble与思科更紧密集成带来了机会,Mehta这样表示。
“我们很乐意思科更多地售卖Nimble产品而不是EMC产品,”他说。“我认为这对于Nimble来说是个机会,如果我们很好地打出自己手上的牌,我们与思科的业务就可以实现更多增长。”
Nimble与思科已经有3年的稳固合作关系,出售基于思科UCS的全闪存阵列,而且这部分业务的增幅达到了两位数,Mehta表示。
GreenPages首席执行官Ron Dupler表示,这个市场的所有细分领域都出现了颠覆,出现了很多像Nimble这样初创公司的新技术。“我们与Nimble——作为新一代厂商之一——取得了巨大的成功。他们有强大的平台和能力,客户对他们青睐有加。”
戴尔和EMC的高管坚持认为,一旦戴尔和EMC合并之后,戴尔主要竞争对手思科会处于一个显眼的位置。
7月,戴尔首席运营官、企业解决方案总裁Marius Haas表示,戴尔“未来将保持与思科稳固的合作关系。在VCE Vblocl架构方面双方还有很多工作要做,不希望推出这种合作关系。”
戴尔董事会主席、首席执行官Michael Dell在1月致客户和合作伙伴的信中表示:“在与戴尔合并之后,VCE与思科的紧密关系将持续下去。Vblock将继续遵循思科的计算和网络路线图以及EMC的存储路线图,将最新的技术带给VCE客户。”
“我们承诺一旦戴尔和EMC合并我们仍将保持合作关系,”一位戴尔新闻发言人在一封请求就Mehta言论发表评论时这样写道。
思科并没有对此做出回应,但是思科首席执行官Chuck Robbins也曾强调过思科与EMC关系的重要性。
“这是我们义不容辞的工作,”Robbins在去年谈及戴尔与EMC、思科的关系时这样表示。
今年年初,作为VCE总裁的Chad Sakac表示:“来自客户各方面的所有迹象表明,UCS是我们要走的路,思科Nexus硬件是我们要走的路,如果这一点搞混了,我们和思科都会发疯的。”
毫无疑问,EMC和VCE是乐于开始使用思科服务器的,而且EMC与VCE之间的关系一直有些紧张,包括VCE在一年前推出了基于白盒服务器的VxRack超融合系统,思科开发了自己基于软件初创公司Springpath的超融合解决方案。
有不少思科合作伙伴都敦促思科收购一家存储公司,更积极地与戴尔-EMC、HPE相竞争。
“一个主要问题是,思科是否会收购一家存储公司,”Mehta说。“作为一个外部观察者,我很期待看到后续如何进展,我无法对此进一步评论。目前,他们都继续保持合作。”
Mehta说,至于思科将如何对戴尔-EMC以及HPE等厂商积极地将集成融合堆栈引入市场做出回应,这一点还有待观察。
思科将与“拥有完整集成堆栈的大型公司”相竞争,Mehta说。“我们要看看结果如何。”
思科在三年前收购了存储厂商Whiptail,但是在把它整合到自己的UCS服务器时遇到困难。
Mehta表示,他认为思科对与Springpath合作采取谨慎态度,后者是思科Hyperflex超融合产品的基础,思科用这种“试水”的方法看看Springpath拥有能够扩展思科UCS所需要的能力。
“我们就爱那个看到,思科与Springpath能否成功,或者他们是否需要做些其他事情,”他说。“不管我们与思科的关系是否继续走强,我们都会在支持产品线方面增加彼此的关系。”
戴尔还将面临处理戴尔与EMC存储产品线之间产品重叠的问题,Mehta说。“你会看到这样的情况,戴尔Compellent和EMC VNX将针锋相对,你可以想象戴尔的销售和EMC的销售会在客户层面上发生摩擦,”他说。“我肯定已经发生了一些问题,他们不得不合理解决这个问题。”
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。