Dell EMC的融合基础设施产品组合正在发生变化。Vblock(采用思科Nexus交换机)将消失,VxBlocks(带有软件定义的网络)将取而代之。
思科交换机出局,VMware交换机取代,思科与戴尔的关系变得愈加脆弱,是这样的吗?
Vblock和VxBlocks都是Dell EMC融合基础设施产品组合中的产品,结合了来自思科、Dell EMC的服务器、存储和网络,融合到一个集成的、作为单一实体采购的系统。
这个系列开始是Vblock(采用思科的服务器和网络,Dell EMC的存储),然后是2015年3月增加了VxBlock产品,采用VMware的软件定义网络产品NSX,或者思科的SDN竞争/对等产品Application Centric Infrastructure (ACI)。
Vscale Architecture规定了融合和超融合平台的组合,以及计算、存储和数据保护扩展,涉及融合的Vblock和VxBlock系统,以及VxRack和VxRail一体机。
EMC全球系统工程总裁Chad Sakac表示,有近90%的Dell EMC客户选择了VxBlock而不是Vblock,并且这样做已经有一段时间了。他们在SDN方面倾向于选择思科Nexus 1000v硬件交换机。SDN并不能部署在Vblock上。他说,客户要么希望立即部署SDN,要么在未来选择部署。
在vSphere中对第三方虚拟交换机的需求也减少了,大部分客户选择VMware的虚拟交换机。
从Vblock切换到VxBlock,这反映了一个事实,那就是客户投了反对票。Sakac在博客上表示:“对他们和我们来说,这是简化了。从7月1日开始,我们将只提供VxBlock系统作为我们的融合系统选项。”
Dell EMC的一项声明称:“在2020年6月3日之前,我们将继续售卖Vblock扩展(例如增加更多盘),并支持融合基础扩展(例如为Vblock系统增加Technology Extension for Isilon),以及一些小的增强项。我们还将继续在2022年6月30日之前继续提供服务和安全补丁。”
Sakac表示,Vblock客户可以继续使用Vblock直到2022年,或者通过一个简单的服务产品切换到VxBlock。
他表示,思科与Dell EMC的关系并没有变得越来越脆弱。软件定义网络正在变得越来越受欢迎,Vblock并不支持SDN,VxBlock却支持。所以Dell EMC和思科只是回应了客户的选择。
这里是来自思科销售业务开发总监Tim Rod的声明:“Vscale客户是部分思科最大的ACI和融合基础设施客户,我们很高兴很把与Dell EMC所取得的成功继续下去。我们的共同客户是这一创新的真正受益者。”
另外,Dell EMC和思科也正在扩展Vscale架构,增加了:
- 单点编排、自动化和安全,针对计算、网络和存储——UCS Director与思科ACI自动化结合,降低风险,缩短搭载服务的时间
- Vscale Border Technology Connect——思科Nexus、ASA和Firepower、ISR以及ASR,确保Vscale资源和外部网络之间的安全、高性能的数据通信
- Vscale Open Technology Connect——思科Nexus和MDS服务,针对第三方设备集成,通过资源共享实现Vscale和非Vscale资产的ROI最大化
- Vscale Fabric Technology Connect for Storage——全闪存的Dell EMC Unity、XtremIO以及VMAX存储,以及Isilon NAS,优化了应用的性能和横向扩展存储的成本
- Cisco Advanced Services for UCS Director and ACI部署以及Dell EMC Vscale Services加速了数据中心现代化,以及达成业务结果的时间。
所有这些的结果,就是思科交换机支撑的Vblock即将消失,被VMware虚拟交换机网络连接或者ACI网络连接的VxBlock所取代。思科和EMC正在扩展Vscale架构,Dell EMC和思科关于Vblock所说的没什么大不了,客户受益,大家就都赢了。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。