Dell EMC正在加强与VMware在今年晚些时候发布新的数据保护产品组合进行技术集成,旨在从竞争对手Veeam那里赢得市场份额。
有消息人士表示,Dell方面的产品发布预计是在2018年早些时候,这些产品将让VMware与Dell EMC的数据保护套件之间连接更加紧密,加速缩小Dell与Veeam之间的差距。
一位知情人士表示:“VMware的建立是为了成为行业标准,因此必须能够与所有厂商进行合作。在产品方面,能够与Dell EMC合作是更好的。VMware与Dell之间的整合应该比其他厂商更好。”
“Veeam首席执行官Peter McKay正好来自于VMware。所有他了解这些人,了解这些厂商。现在Dell EMC将做得更好。”
Veeam主要是面向云和虚拟化环境开发数据保护技术,它与VMware围绕vSphere等产品建立了技术合作伙伴关系。Veeam公司的很多高管都是来自于VMware,例如现任联合首席执行官、总裁Peter McKay,以及渠道销售副总裁Kevin Rooney。
有消息人士表示,自从Dell在2016年以670亿美元收购了EMC以来,Dell就一直谨慎地对待加强集成这件事,避免让Veeam这样与VMware有合作关系的厂商感到不安。
VMware首席技术官Ray O'Farrell表示,Dell和VMware的技术合作伙伴关系将在2018年有所加强。
“你已经看到了围绕vSAN、vSAN ReadyNodes和VxRail有了一些很好的集成和合作伙伴关系。我认为,我们可能将继续加强这些合作,可能还会在其他领域也加强合作。具体来说,围绕数据保护,Dell现有的很多产品已经支持在这些环境下工作,我们将进一步整合它们。”
O'Farrell强调说,即使VMware更紧密地与Dell Technologies进行集成和合作,双方“都有非常强烈的意愿在整个行业中保持良好的平台级生态系统。”
O'Farrell表示:“这是一个有趣的权衡,但是我们认为保持这个生态系统既强大又非常开放,这一点是很重要的。”
Dell EMC数据保护产品营销副总裁Ruya Atac-Barrett在声明中表示,虽然无法评论其产品路线图,但是“客户和合作伙伴应该知道,我们理解他们VMware技术与Dell EMC数据保护产品之间无缝集成的需求,并将不断进行完善和加强。”
“这种方式让我们远离竞争对手,让我们能够在数据保护产品组合中提供世界级的技术。”
截至发稿,Veeam并没有对此作出评论。
一位来自Dell和VMware解决方案提供商的高管表示,他预计从竞争的角度来说,2018年Dell将更多地利用VMware。
“Dell CEO Michael Dell和Dell Technologies是有竞争力的,他们主导了真么多的市场,所以让Dell产品和VMware产品之间的合作比其他人更好,不仅是有道理的,而且最终会变成现实。VMware现在为Dell所有。他们现在需要更多地利用这一点。”
Veeam最近公布2017年得到8.27亿美元的订单,创下新高,同比增长36%,企业销售增长62%,规模超过100万美元的交易增长500%。现在Veeam的装机群大约是28200个客户,通过联盟合作伙伴关系推动了超过1亿美元的总预定收入。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。