近日,随着神州云科YK Cloud超融合技术方案全国渠道巡展市场活动的圆满收尾,客户端的需求也随之纷纷落地。金融行业以光大银行为代表,传统制造业以泰尔重工以及教育行业以辽宁职业学院为先导的一批行业客户,最先采用了神州云科超融合架构的技术方案进行网络部署并完成测试,进入实施阶段。由此看出,神州云科发力于超融合架构技术迭代带来的市场机会,其推动技术商业化的步伐明显快于行业的发展。神州云科数据技术有限公司总经理吴昊直言:“按照摩尔定律,市场给予大家的时间有限,今天的IT市场里,起跑那一刻的速度就能决定未来你的位置和速度,神州云科必须在市场机会面前用速度超越别人才有机会赢得市场。”
轻概念 重应用
“在中国20年的IT产品市场过程中,最不缺的是概念。技术、产品、管理、模式各个环节都充斥着新概念新主张,真正缺少的是能够落地实施,产生实实在在的价值的技术与产品。”有着十几年销售经验的吴总,在他的心里——概念为虚、应用是实。所以在超融合技术架构概念的热炒阶段,很少看到市场中神州云科的声音,而待切实可行的产品方案研发完成,甚至在客户端完成测试,开始运营的时候才开始跟媒体讲成果。
“轻概念,重应用”这是神州云科的逻辑。因为是存储业界的“老兵新将”神州云科在超融合产品的研发上下了深功夫。特别是兼容性与扩展性上投了大量的人力物力,该解决方案采用的分布式软件技术EMC ScaleIO与谷歌、Facebook、亚马逊等 Web大规模的公有云基础架构相同,既保持了集中存储的优势,又能够实现大规模的扩展;而不同之处在于,神州云科超融合计算存储平台通过自有管理平台YK Cloud Manager简化了部署、管理和监控的复杂度,适用于各种规模的企业。拥有灵活的配置和强大的适配性,支持VMware、微软Hyper-V、Citrix、redhat、suse、CentOS、Openstack、Docker等几乎覆盖目前市场所有主流系统。在神州云科的企业里始终有一种朴素的务实文化,不大谈概念,只讲可以带给客户可实现的功能与价值,这一点也是受到渠道合伙伴与新老客户肯定的一个因素。
”轻“销售 重服务
以前的存储产品在包容于大的网络设备方案之中,是一个重要的小角色,由于技术含量在整个方案组成里相对高,在客户强调服务,特点是本土化快速服务更是客户需求痛点。随着各行业企业数据量的增加,数据成为各项管理与决策的首要依据,传统架构下存储容量和性能与计算越来越快的CPU不能匹配,企业数据中心的问题越来越突出。超融合就是把计算”和“存储”运行(“融合”)在了一个服务器上,解决数据中心要求的存集速度问题,存储在网络方案的角色份量变得越来越重。
作为新技术架构超融合对本地化服务提出了更高的要求。神州云科在超融合技术方案推出当时,已就全国百于位技术工程师进行培训,与渠道合作伙伴一起服务于国内19个省市,为客户提供2-4小时快速服务。
所谓的”轻“销售在神州云科过去的业务经验来看,销售机会重在老客户升级 ,老客户的新需求就是新销售; 重服务就是更加强调本土化快速服务响应,因为今天的商业是依赖数据产生的机会,今天的企业的管理依赖于数据快速决策。重视老客户,强化本地服务也是神州云科超融合技术方案迅速实现商业化价值的一个策略。
今天,存储市场的热闹显现出各路商家不同的市场策略,我们从神州云科务实的作风里也读出其稳步前行的商业逻辑,任何一个商业领域喧嚣过后,真正留下的才是可能继续前行的人。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。