如果客户选择转投阵营,则可享受相当诱人的双倍许可协议。
Nutanix公司希望对于HPE收购SimpliVity一事有所不满的客户转投自家阵营,并给出了颇具吸引力的拉拢条件。
该公司首席营销官Howard Ting表示,HPE方面正在着手收购SimpliVity,并决定不再为非HPE硬件提供SimpliVity方案。这意味着相当一部分原SimpliVity客户被迫购买新硬件以继续使用相关产品。
在其它供应商的x86服务器硬件产品之上使用SimpliVity软件“看起来已经不可能,这将影响到思科及联想等厂商的客户”,Ting解释称。而如果这部分客户愿意由SimpliVity转投Nutanix阵营(即将全部SimpliVity软件节点切换为Nutanix),则Nutanix公司能够为SimpliVity思科UCS客户提供一套二合一许可协议,意味着客户能够直接获得双倍Nutanix节点许可。
他同时补充称,“我们正在努力制定迁移规划”以帮助使用戴尔及联想硬件的SimpliVity客户。
另外还有更激动人心的消息:“对于规模较大的客户,我们可能会提供更可观的财务奖励并考虑面向不同用例分别计算优惠。”
他宣称,Nutanix公司发现客户对其全栈方案正表现出愈发高涨的热情,因为Nutanix产品正是除VMware堆栈之外各超融合型基础设施设备(简称HCIA)供应商所使用的惟一替代性方案。Nutanix公司将进一步扩展其软件定义网络功能,旨在进一步拥抱网络细分市场并强化自身安全产品。另外,其对于构建网络硬件设备毫无兴趣。
该公司希望能够进一步实现“堆栈提升”,同时提供应用编排与混合云管理方案。在Ting看来,这无疑代表着新的业务发展空间。在整体式应用程序中使用此类软件的原有用户已经无法适应以虚拟机为基础的新世界,并被迫开始考虑选择容器与微服务技术方案。
VMware公司在这一领域同样拥有资产,特别是配合AWS进行发布。不过在他看来,目前市场仍有巨大发展空间。微软公司亦掌握着自有Azure Stack,但他认为思科与HPE还缺乏能够与之对应的解决方案。“由于从业厂商还不是很多,这一市场基本上仍然处于绿地阶段,今年年内我们会看到更多相关举措。”
NetApp公司即将推出其基于SolidFire的产品,但考虑到这仅是初代版本,在功能性上可能较为有限。
在被问及Nutanix公司是否有意提供云服务时,Ting表示该公司的Calm项目专注于混合型系统的管理与编排。目前虽然有一部分欧洲互联网服务供应商在其云环境中运行Nutanix软件,但Nutanix尚未能够在AWS、Azure或者谷歌这三大云巨头中打开局面。“我们就此开展了多次对话,但目前还无法公布具体内容。”
在硬件方面,Ting表示:“我们将尽快将全闪存硬件引入市场”,而且Nutanix公司正在高度关注NVMe SSD使用情况并探索3D XPoint的使用可能性——但“目前其性能水平仍未正式确定”。
Nutanix公司亦致力于集成Rubrik软件,并对其系统进行基于机器学习的自动化扩展,旨在实现工作负载SLA。举例来说,新方案中将可添加假设功能。“我们生活在预测性经济体系当中。我们希望基础设施能够拥有更理想的运行与预测效果。”
另外,Nutanix方面还希望SimpliVity客户能够积极加入Nutanix阵营,并享受由其带来的包括VMware替代性方案在内的各类资产积累。这主要是因为VMware及其堆栈目前已经成为Nutanix最重要的竞争关注点,而非其它HCIA设备厂商。总而言之,Nutanix正在快速而坚定地迈入全栈市场。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
马里兰大学研究团队通过测试25个大型AI模型发现,即使最先进的AI评判系统在需要同时考虑多个标准时也会出现严重偏差,准确率仅32%-53%。研究构建了Multi-Crit评测基准,揭示了AI在多标准权衡中的根本性局限,为改进AI评判系统的公平性和可靠性提供了重要参考,对AI在内容审核、产品评价等应用场景具有重要指导意义。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
南京理工大学团队开发ViLoMem框架,首次实现AI的双流记忆机制,分别处理视觉和逻辑错误。该系统模仿人类认知,让AI能从错误中持续学习,在数学推理等多模态任务中显著提升准确率,为AI从被动工具向主动学习伙伴的转变提供了重要技术突破。