西部数据公司正在大嚼“胃动力”,因为其需要持续消化自身及下辖各部门在过去十年当中进行的多达14次企业收购。
这位存储巨头正在将近线磁盘驱动器整合至主要营收业务当中,同时着手打理各类设施。
该公司还需要对目前手中掌握的品牌进行统一,从而消除各业务间的交集与冲突。
下表所示,为西部数据公司自2009年以来收购的所有单位。
其中的两项主要交易分别为西部数据于2012年收购HGST并将其作为自身磁盘驱动器整体过程的一部分,再加上2016年收购SanDisk以全面进军闪存行业——SanDisk与东芝联合建立起闪存代工合资企业,并在磁盘驱动器领域建立起类似的垂直整合模式以向系统提供原始存储介质。
每家被收购的企业都拥有自己的设施、前沿、生产线、后台员工以及品牌。这一切都被慢慢整合至HGST与SanDisk当中,而二者如今则逐步被并入西部数据体内。
随着吉隆坡磁盘工厂的关闭,我们发现西部数据在处理设施地产方面已经出现了思路性转变。
在此之前,西部数据公司于去年4月将总部从加利福尼亚州南部的欧文迁至湾区的圣何塞。此外,其在硅谷范围内的弗里蒙特、米尔皮塔斯(西部数据另一处旧总部)、纽瓦克以及红木城等地也拥有地产设施。此外,西部数据的足迹还想知道了波士顿地区、科罗拉多州以及明尼苏达州。
而本月报道的马萨诸塞州马尔波罗办事处的关闭计划,此外位于盐湖城及圣迭戈的设施也将逐步停用。
由于两次大规模收购加上无数小型兼并,目前西部数据总计拥有三大主要品牌集团,其中存在着大量彼此相交、冲突且无法统一的品牌命名与宣传定位。
下面来看概述表格:
品牌推广计划必须涵盖各类产品组,同时涉及相关消费者、专业买家以及小型、中型与大型企业中的具体应用。很明显,西部数据需要发起一轮品牌闪电战,从而统一这种混乱局面。
将西部数据与HGST磁盘驱动器品牌相结合的工作将是其中的一个重要步骤,再加上接下来的SSD品牌整合任务,这是一场三段式大融合。
西部数据旗下的磁盘驱动器品牌以颜色进行区分,而HGST则采用星体名称——但也有一些磁盘产品的命名跟颜色和星体都没关系。
SanDisk SSD品牌与其旗下的闪存卡品牌同样毫无关系,而这些闪存卡又与西部数据的Purple microSD存在市场定位重叠。
这意味着西部数据之内已经存在三个独立的产品开发体系与三大独立的业务部门,而各个部门又有着自己的品牌历史与想法。
然而,三方又被汇聚在一起,共同成为完整的西部数据产品家族。
正如前文所提到,磁盘驱动器业务正在吞并3.5英寸高容量近线驱动器业务,而该公司将需要一套综合性的制造系统以向超大规模的买家——包括戴尔-EMC以及NetApp等OEM厂商——销售驱动器产品。这些都属于成熟的买家,而存储巨头显然并不需要两个相互独立的品牌类别(西部数据+HGST)。在我们看来,HGST与西部数据将逐步合并,而后者的品牌可能得到进一步强调。
磁盘驱动器业务得到整合的原因,在于闪存的兴起——很明显,SanDisk对西部数据的未来命运至关重要。西部数据收购SanDisk之后,SanDisk凭借着与东芝公司合资建立的闪存芯片代工体系成为皇冠上的无双明珠。目前,SanDisk品牌的市场占有率甚至高于西部数据闪存品牌。对于期待着西部数据产品开发、发布渠道与产品品牌迎来统一的人们来说,其中存在着大量复杂且随时变化的因素需要考量。但可以肯定的是,这将是一段有趣的历史进程。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
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。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
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。