
思科公司向来秉持着顺我者昌、逆我者亡的运营哲学,而此次Nutanix被踢出通过UCS服务器进行超融合系统软件销售圈的事件,再一次对这种理念做出了印证。
一位来自渠道经销商的知情人士透露称,思科公司已经向部分合作伙伴发送了一封电子邮件,其中指出Nutanix已然被无情地踢出思科组织的解决方案合作伙伴计划。
思科解决方案合作伙伴计划(简称SPP)旨在促进各解决方案合作伙伴同思科架构的结合效果,同时共同制定产品上市决策。
而随着HyperFlex技术的推出,Nutanix公司已经成为思科自身技术的直接竞争对手。有鉴于此,Nutanix公司将不再作为解决方案合作伙伴计划中的一员。此举旨在避免对渠道经销商、现场团队以及客户造成困扰与其它不利影响。
Nutanix公司的一位发言人在接受采访时表示,"我们知道思科方面已经向其渠道合作伙伴发出信函。我们一直在同自家渠道合作伙伴共同测试并验证Nutanix企业云平台在思科UCS上的表现,而双方的共同客户也将得到Nutanix公司的全力支持。因此,我们对于思科公司罔顾客户及合作伙伴的实际需求,拒绝以更多选项为客户提供价值的作法感到失望。"
截止目前,思科公司并没有对我们提出的评论请求作出回应。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。