难以置信,希捷正在把自己的ClusterStor HPC阵列产品线出售给Cray。
ClusterStor L300
这周早些时候,我们还将希捷的磁盘阵列业务(ClusterStor和Dot Hill)叫“玩具”时,我们竟想不到希捷将至少出售ClusterStor及产品线给超级计算厂商Cray公司。
Cray将可以把自己的Sonexion阵列基于该产品之上。现在Cray尚未公开的对ClusterStor产品线的收购金额和条款:
希捷和Cray将围绕在未来的ClusterStor产品中使用希捷技术进行合作。
Cray总裁、首席执行官Peter Ungaro表示:“基于我们的长期战略和惊人的数据增长,存储在我们的市场中变得越来越重要。随着百万兆计算的推进,以及人工智能、深度学习和分析的爆炸式增长,把计算和存储集成到超级计算系统中的能力正在变得比以往更为重要。”
“将希捷的ClusterStor产品线增加到我们的DataWrap和Sonexion存储产品中,这将让我们能够为客户提供更加完整的解决方案。”
希捷存储系统副总裁、总经理Ken Claffey表示:“2012年Cray成为我们的首个OEM合作伙伴,这个合作关系持续多年,已经成为我们最大的、最有战略意义的ClusterStor合作伙伴。今天的公布是对双方在HPC领域持续的、独有的合作的完美演变。作为超级计算市场中的领导者,Cray将是ClusterStor业务、员工、客户和合作伙伴的非常好的归属。”
Cray预计这次交易的影响将在2018年的盈亏平衡范围内,预计交易将在第三季度末完成。
分析
希捷在2013年12月以3.74亿美元收购Xyratex驱动器阵列和磁盘驱动器测试业务。Cray当时已经是Xyratex ClusterStor HPC存储机架的客户。
后来希捷开发了新的阵列,并在2014年11月设立了一个云系统及解决方案部门“在我们领先的磁盘驱动器业务之上,为OEM和DIY群体提供云系统和解决方案”。此外,希捷还新增了一个Hadoop连接器,希望在大数据分析领域让ClusterStor占有一席之地。
希捷的想法是从磁盘驱动器垂直向上集成,并且把驱动器阵列作为组件售卖给HPE和NetApp等使用ClusterStor和2015年8月收购的Dot Hill OEM驱动器阵列业务的存储阵列提供商。这耗资6.94亿美元,意味着希捷花费了超过10亿美元打造磁盘驱动器阵列业务。
2015年1月,希捷公司首席执行官Steve Luczo提及ClusterStor时表示:“我认为今年这项业务将达到10亿美元规模。”
希捷在2015年1月赢得HP作为ClusterStor的净销售。SGI成为ClusterStor OEM合作伙伴。IBM的Spectrum Scale并行文件系统软件也被添加到ClusterStor中。
但是希捷的想法遇到了收入下滑的打击,Xyratex位于英国Havant的工厂于2016年7月关闭。
现在,Steve Luczo也卸任成为执行主席,COO Dave Mosley成为CEO,并宣布裁员600人。
卖掉ClusterStor可能意味着希捷将结束向上的垂直集成。Dot Hill业务的未来现在可能也是个未知数。希捷转型得突然,但这仅仅是为了应对短期压力,还是计划着重启增长的引擎?
Mosley在希捷担任高管多年,现在接替了将去担任执行主席的Luczo。他是否能够扭转局势让希捷再次向前迈进?
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。