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
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
NVIDIA联合多所大学开发的Omni-RGPT实现了AI视觉理解的重要突破,首次让AI能同时精准理解图像和视频中用户指定的任何区域。通过独创的Token Mark机制,该系统解决了传统方法在视频中容易"跟丢"目标的问题,在视觉问答、区域描述等多项任务上达到最先进水平,为教育、安防、内容创作等领域的AI应用奠定了基础。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
这项由中国人民大学等机构合作完成的研究提出了Virgo系统,发现仅用5000个纯文本推理案例训练就能让AI在视觉推理任务上达到顶级商业系统水平。研究证实推理能力具有跨模态通用性,为更经济高效地开发多模态AI系统指明了新方向,同时也揭示了AI感知反思能力不足的局限性。