NetApp和思科投资了Datos IO——一家开发以应用为中心的数据管理的公司。这家初创公司的首席执行官透露,他们正在寻求与NetApp建立OEM关系。
Datos IO创建于2014年,在2016年推出了一项技术可以跨多种云和混合云环境管理数千数据副本的技术,该公司首席执行官、共同创始人Tarun Thakur这样表示。
在受到来自NetApp和思科的投资之前,Datos IO已经在风投中得到了1520万美元。他拒绝透露两家公司分别对Datos IO投资的金额,只是说达到“数百万”美元。他说,两家公司的投资并不是作为新一轮融资对外公布的。
思科和NetApp都没有对进一步信息发表评论。
Thakur表示,Datos IO公司此前已经与NetApp和思科建立了技术合作关系,而且目前Datos IO与NetApp也在探讨OEM合作的事情。
他说,有大约90%的Datos IO客户同时也在使用NetApp,包括NetApp的Data Fabric。Data Fabric是NetApp用于跨本地环境、私有云、混合云以及公有云管理数据的架构。
“Datos IO拥有针对NetApp Data Fabric的构建块。我们正在与他们的客户合作,我们帮助保护他们客户云中的数据。但是我们的解决方案并没有与NetApp相捆绑。”
Thakur表示,Datos IO的技术可以很好地配合AppDynamics(思科在今年年初收购)的应用感知技术。
AppDynamics将帮助思科涉足为服务业务,在这方面针对应用的数据性能是至关重要的,他说。
“数据的价值与数据管理息息相关。但是所有公司都专注于以LUN为中心的或者虚拟机为中心的备份,而不是以应用为中心的备份。想想这个问题。如果你是在做微软Sequel备份,那么你需要的是Sequel备份,而不只是一个文件的备份。”
Datos IO还有一个解决方案可以在思科ACI中保护数据的解决方案,而且Datos IO正在与思科就保护UCS和HyperFlex超融合基础设施环境中的数据进行合作。
Integrated Archive Systems是一家位于加州帕洛阿尔托的解决方案提供商、思科和NetApp的长期合作伙伴,该公司工程副总裁John Woodall表示,将Datos IO带入思科和NetApp环境是很意义的。
思科和NetApp都是以数据为中心的公司,对他们来说,秘密武器之一就是在云中以及围绕云的数据保护,并且是应用感知的,Woodall说。
“很多喜欢思科和NetApp这样新进入该市场的公司希望他们能够在应用感知方面打出一片天地。”
例如,思科的ACI对于Datos IO来说就是一个很好的机会,因为它是应用感知的,Woodall说。
对于NetApp来说,这种技术在众多厂商瞄准的多云和混合云环境中是能带来好处的。
“如果你再走近一步,看看NetApp的Data Fabric。在一个以数据为驱动的组织机构中,客户需要以一致的方式管理数据,包括数据保护,不管数据在哪。NetApp有广泛的数据保护工具,并且已经找到了一条利用原生工具的路径。但同时它也提供CloudSync to AWS,因为客户有时候并不关心是哪家厂商。”
NetApp投资这样一家可以帮助它扩展Data Fabric的公司是有道理的,Woodall说。
而且不止是来自NetApp的投资。“既然Datos IO谈到了OEM,我想如果Datos IO也许在不久的将来可以在W-2方面找到机会。”
好文章,需要你的鼓励
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。