戴尔、EMC在中国目前还是处于两个独立品牌进行运营,但是除了中国之外全球的企业业务已经以独立品牌Dell EMC进行推广。在一个月前,EMC融合平台与解决方案业务亚太及日本地区首席技术官Matt Oostveen表示超融合是Dell EMC的未来的重点方向。近日Dell EMC公司亚太及日本区系统工程部副总裁Christoph Theisinger再一次向中国市场传达Dell EMC的在全球业务和产品技术发展的最新状况。
对于大家比较关心的戴尔与EMC的关系,Christoph Theisinger也有所谈到。
对于全球市场来说“David Golden过去是EMC在基础架构方面的CEO,在DELL EMC他新的职位是基础架构解决方案集团的总裁。”“只要是用到数据中心的技术,都是他负责管理,一方面是EMC延续下来的业务,同时也包括Dell的 服务器,还有其他周边应用,比如云、混合云等等。”而像Pivotal、VMware这样的一些解决方案,能够去集成各个方面的战略性的能力,借此来实现企业化的混合云等云端的技术。RSA是提供安全解决方案,通过也投入了大笔资源去建设公有云,是通过Virtustream投向市场。
所有的产品和技术发展都会围绕EMC来进行。“David是凭借过去从EMC传承下来的经验继续管理在中国以外的地区的技术趋势,同时从正式整合到今天这段时间下了很大力气做销售市场方面的整合,不管是售前、售中还是售后,以及整个市场。”
在技术产品研发方面“那些有强大路线图的EMC平台以及产品的将持续发展和投入,这些将研发继续投资,但是是在一个新的架构之下,因为我们现在是一个私有化集团的一部分,不再是一个上市集团的一部分。”因此在具体策略上会更加贴近市场和更加灵活。
对未来的判断,软件定义和超融合是Dell EMC作为端到端服务理念的桥梁工具。正如今天人们看到世界正在巨变,对于企业而言,没有人敢确定三年后自己行业的发展状况。几乎所有的企业都认识到数字商业计划是影响企业业务经营的成功的关键因素。
未来将是混合云的世界。公有云私有云混合云现在已成为主流。同时企业并不是只有一朵云,数据中心可能有私有云或者类似云的设置,也可以通过网络去使用公有云。在这种新的格局之下,一些关键性的技术创新出现,其中之一就是软件定义一切,就是数据中心当中所有的这些元素,不管是存储、网络、计算,还是管理,都会通过软件来实现,能够在标准的X86的硬件之上去实施,对数据中心进行横向的扩展。其二就是超融合技术架构。
按照新一代数据中心MAT(M是现代化,A是自动化,T是变革)的流程来看的,Dell EMC可以提供端到端的解决方案,而且是用融合及超融合的方式去提供,这样数据中心所需要的一切元素都可以集中到一个盒子当中交付给客户,让客户能够专心致志的做他的业务转型,而无需去担心或者花太多精力来做基础架构的集成。
具体来讲新的数据中心包括闪存、云、扩展性、软件定义、安全五大方面
全闪存技术,它能够增强客户的韧性,提高性能,为未来做好准备,而且还能够降低成本。
云赋能原则,就是如何能使企业内部IT的能力能够扩大到云上。
横向扩展,为了适应数据的增长,为了能够去支撑网络级的应用,所有的技术组件都应该能够实现横向的扩展,也就是既扩大容量还提高性能。
关键的数据中心技术,现在可以用软件去实现和部署,就可以使得DellEMC做出一个重要的趋势----超融合。
在新的格局当中,安全性也是非常重要的,现在不只是说多建一些防火墙,而是说需要智能化的手段、需要分析的工具,来应对企业的安全需求,防范安全威胁。
Dell EMC新征程影响力从超融合开始
Christoph Theisinger表示在中国,希望能够去引领超融合基础架构这样的趋势,同时丰富原有的EMC的业务组合。新的产品能够用更丰富的方案提供给客户、服务市场,能够针对不同客户可能侧重点不一样的需求,因为有些是图形强度大,有些是存储要求高,有些是计算方面,每个都需要不同的方案去满足他们的需求。 包括超融合系列VxRail,在这个产品会不断充实EMC产品线,实现完整的超融合解决方案,这样EMC的产品不只是能够做传统应用的市场,而且能够去满足原生的混合云的需求。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。