有Dell EMC合作伙伴表示,Dell EMC的重组举措肯定会给与竞争对手思科合作的Vblock融合基础设施关系带来压力。
有合作伙伴表示,重组本质上使戴尔处于一个更加强大的地位,将服务器、存储和网络产品紧密捆绑在一起,向思科发起挑战。
周四获悉,Dell EMC将结束其融合平台和解决方案部门的运营,并将超融合和融合基础设施团队转移到戴尔的核心服务器和存储业务部门。Dell EMC的HCI和高性能计算团队正在转移到服务器部门下,而其融合基础架构团队将成为Dell EMC核心存储部门的一部分。
位于辛辛那提的RoundTower Technologies,是一家与思科和Dell EMC有合作关系的解决方案供应商,该公司执行经理Rob Steele表示,重组可能会导致更多的戴尔服务器、存储和网络产品在VX产品线上进行整合。
RoundTower基础设施业务负责人Steele表示:“你将会看到VX产品线将会有更多戴尔的技术和产品。戴尔的网络产品线也是如此。我知道VxRack已经基本上主要是戴尔的硬件。他们仍然有思科的架顶式交换机,但是未来很可能就看不到了。”
融合基础设施Vblock解决方案是由VMware、思科和EMC VCE子公司在2009年共同开发的,是基于VMware虚拟化、思科计算和网络、以及Dell EMC存储作为一种预打包的融合平台。
有解决方案提供商表示,虽然思科和戴尔在2016年戴尔以670亿美元收购EMC之后承诺或会保持VCE合作关系,但Dell EMC现在在完成复杂整合、作为一家合并公司的方面迈出了一大步。
位于美国马萨诸塞州沃尔瑟姆市的Winslow Technology Group,是Dell EMC的大型合作伙伴公司,该公司总裁Scott Winslow表示:“他们继续销售Vblock解决方案,这是一个以思科为中心的解决方案,但我认为很可能他们正在用自己的IP和可能不同的SKU来增强这个解决方案。”
截至记者发稿时,思科没有回应做出评论的请求。
Dell EMC策略和计划高级副总裁Matt Baker表示,重组是为了精简和改进公司构建和交付系统的方式。Baker否认此举会影响与思科的关系。
Baker表示:“这并不意味着我们与思科的关系和/或者思科在我们融合基础设施系统中的重要性将会发生任何变化。”
作为重组的一部分,Dell EMC存储部门高级副总裁兼总经理Jeffrey Boudreau现在将负责融合基础架构产品组合以及Dell EMC与思科的合作关系。网络业务负责人Tom Burns将领导VxBlock和Vscale产品的运营和研发。目前,Vscale利用思科LAN和SAN交换机以及可选的软件网络技术。
总体而言,有合作伙伴表示,内部重组显示Dell EMC的新基础设施领导者、产品和运营副董事长Jeff Clarke正在开始崭露头角。
Winslow表示:“我们开始看到Jeff正在进行第一波举措。他非常清楚,他所做的这些是为了简化投资组合、创新和上市时间,这是他希望承担新职责之后给公司留下的印象。他正在将超融合产品——VxRail、VxRack、XC系列——调整到服务器部门,他为什么要这样做?共同之处在于,所有这些解决方案都是由Dell PowerEdge服务器驱动的,这是底层技术。这是有道理的,是符合逻辑的……我看到Jeff正在做的事情。”
位于纽约州霍尔布鲁克的解决方案提供商Future Tech首席执行官Bob Venero表示,他认为重组将消除两家公司之间的“模糊的界限”。他说:“这确实有助于确定你应该参与哪些部门和哪些部门合作,我认为这将是推动超融合销售的关键。”
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。