Nutanix的一位高管表示,思科、HPE和VMware的超融合产品无法提供最佳体验,因为他们并没有他们自己的完整软件堆栈。
“每个厂商和他们的追随者现在都在这个领域了,”Nutanix首席产品及开发官Sunil Potti表示。“但是除非你拥有最完整的堆栈,否则你无法提供完整的体验。”
在本周一决定的Raymond James Technology Investors Conference投资人大会上,Potti向参会者表示,直到18个月钱,这个市场的大多数人都认为超融合基础设施——在服务器硬件上融合了计算、存储、网络和虚拟化——会是一个很好的产品,但是质疑它是否可以支持所有用例。
但是随着最终用户更加坚定地为他们的新工作负载部署超融合架构,Potti称以前这个领域是小型IT厂商的专属领域,现在吸引来了一些IT巨头。
Potti说,虽然一些大厂商大力投入这个市场,但其中一些厂商似乎并没有抓住提供完全无缝的功能的重要性。思科、HPE和VMware并没有对这一观点做出立即回应。
“其中一些厂商是很强大的,但也有一些还是沉睡的巨人,因为他们正在过时,”Potti表示。“你不能就是拿着一部诺基亚手机,用着Windows,就说自己赢得了智能手机大战,这就是为什么不奏效的原因。”
Potti用思科超融合产品举例,他说思科与VMware相竞争,但是也依赖于VMware的功能。
“没有人有他们自己的虚拟化体验,”Potti说。“当你选择Amazon的时候,你不能为Amazon采购VMware,这是内置的。”
Potti说,相比之下,Nutanix现在已经不仅仅是四年前的那个存储技术公司了,当时他们刚刚开始构建自己的虚拟机管理程序和虚拟化工具。Potti说,Nutanix重新考虑了他们如何从零开始构建软件堆栈。
Potti说:“Nutanix是一个平台厂商,而不是一个产品的厂商……如果你提供不了完整的堆栈,你就无法提供类似Amazon的体验。”
Nutanix的主要目标是在数据中心提供类似AWS的体验,Potti说,Nutanix并不是试图复制思科和VMware带入市场的超融合产品。
过去5或6年中,AWS和其他公有云服务不断崛起,这对Nutanix是非常有利的,因为很对最终用户已经经过部门斗争并且已经习惯于在整个公司上下采用这种一键点击式的服务,Potti说。
“这已经建立起了对这种架构的认知度,我们正在努力为全球企业提供类似Amazon的体验。”
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。