目前,超融合基础设施一体机(HCIA)市场竞争超级激烈,Dell与Nutanix两架马车之间的竞赛已经吸引来HPE/SimpliVity、NetApp和思科的追赶。

回顾上周总共发生了三件事情:
• 思科CEO Chuck Robbins谈到自己的HyperFlex产品:"我们当然希望它发展地更快。我们最近发布了有助于一些功能的软件,我认为未来还会推出更多功能,增强我们在这个领域的能力。"
• NetApp表示,它正在开发基于SolidFire全闪存阵列的超融合产品,4月5日还会有更多新闻。
• Dell总裁Chad Sakac表示,他认为Dell是超融合市场的收入领导者,拥有VxRack、VxRail以及XC产品,年底前会重点推VxRail,因为这款产品的销售增长特别快。
这三点再加上HPE此前收购SimpliVity,我们还看到了什么?
首先思科的HyperFlex并没有带来销售人气。思科把自己的UCS服务器硬件与OEM自Springpath的超融合软件结合,打造了HyperFlex产品线。它比NetApp更快速地进入超融合市场,但是思科有它自己的UCS服务器,至少在这个市场中服务器和存储一样重要,许多厂商也将他们的超融合系统软件放在UCS服务器上,通过思科认证的方式,或者通过非官方的合作伙伴关系。
SimpliVity就是如此,HPE收购了这家公司来增强自己的超融合一体机产品销售。
IBM呢,IBM现在没有了x86服务器产品线,NetApp也没有进入这个市场。所以超融合领域基本就是有两大厂商在竞争--Dell和Nutanix--我们认为第三位是HPE/SimpliVity,还在挣扎中的包括思科和多家初创公司如Pivot3和Maxta,远远落后。
未来18个月NetApp和思科可能会分列第四和第五,除非他们自己搞砸了,还不确定。这个市场发展如此块,可能有一家或者更多初创公司--可能与联想合作或者使用ODM硬件--可能会抢占其中一席。
对思科来说,能追赶上领导者唯一确定的方式就是Nutanix,而这可能要花费数十亿美元。
NetApp的SolidFire HCIA需要服务器硬件,可能是ODM的硬件,还有虚拟机管理程序,可能是vSphere以及/或者KVM,以及虚拟SAN软件来让自己的服务器/SolidFire节点将他们的闪存存储聚合为单一虚拟池。这些都从哪来?vSphere的候选是VSAN,是付给Dell更多钱还是NetApp会开发自己的虚拟SAN软件?我们拭目以待。
NetApp没有向企业销售基于服务器的产品(例如HCIA)的经验,所以需要开发这方面的技能,并且让渠道销售力量来做。超融合是一个与存储市场相邻的市场,所以现有的客户群中显然是蕴含机会的。ONTAP和SolidFire阵列集成的特点可能就是HCIA产品以及企业数据服务,以及它说的混合云。
我们相信SolidFire HCIA将会有有趣的技术,对此我们很期待。
NetApp和思科都在相互追赶中。两家厂商都有很好的产品能说服客户不去购买来自Dell、Nutanix或者HPE的HCIA。
超融合市场的竞争正在变得白热化。我们预计Dell的VxRail将会在2017年年底前变成一款年收入数十亿美元的产品。如果Nutanix能保持高速增长,那么HPE、NetApp和思科,以及野心勃勃的HCIA厂商,可能都没有追赶Nutanix和Dell的机会。有些可能已经输了,但是现在下定论还为时尚早。未来一年这个市场会逐渐明朗。对于思科、HPE和NetApp来说,游戏已经开始,快速奔跑起来吧。
好文章,需要你的鼓励
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
两位创始人分享在医疗和殡葬等高度监管行业创业的经验。Enspectra Health历经近十年获得FDA认证推出皮肤成像设备,Earth Funeral则提供人体堆肥服务作为火化和土葬的替代方案。他们探讨了如何在等待监管审批期间进行产品迭代、如何规划资金周期,以及如何在投资者视为禁忌的领域获得风险投资。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。