NVMe over Fabrics闪存阵列供应商Excelero公司已经收到一笔来自西部数据公司资本投资部门的战略性注资,意味着迄今为止的总融资额高达3500万美元之巨。
来自以色列的Excelero公司成立于2014年,曾于2015年的A轮与B轮融资中先后筹得350万美元与1250万美元。去年,美光、高通以及另一家未具名公司又为其注入战略性投资,这使其总融资额度达到3000万美元。
如今,Excelero公司表示在西部数据的资金到位之后,其总融资额已经达到3500万美元。如此看来,Excelero公司已经从风险投资方处筹得1600万美元,战略投资方则为其提供1400万美元。这与大多数存储初创企业有所不同,普遍来讲初创企业的资金主要来自风险投资。
这笔新鲜资金将被用于加速Excelero公司的全球市场宣传活动。
西部数据与Excelero双方亦开展技术层面的协作,旨在将Excelero NVMe存储软件同西部数据的NVMe SSD硬件匹配起来。
西部数据公司资本部门总裁Mark Long在一份声明当中指出,“我们的全新OpenFlex架构与产品将能够实现计算、存储以及网络资源的独立扩展,并通过开放式API实现编排与管理。我们期待着与Excelero开展合作,整合并推进我们的技术,从而为以数据为中心的企业客户建立更为强大的解决方案。”
这可能代表着一种暗示,意味着Excelero的软件将支持西部数据的OpenFlex硬件以及Kingfish软件可组合基础设施API。
Excelero公司则表示,其已经在多个高增长垂直行业(包括媒体与娱乐、政府、网络以及云)当中完成了可观的超大规模客户部署工作。
与Actifio、Cohesity、Rubrik以及其它同类初创企业筹得的数亿美元相比,Excelero公司的3500万美元融资数额看似有些寒酸。然而随着各大存储巨头(例如IBM、NetApp以及Pure)连同戴尔、HPE在NVMe-oF领域相互竞争的持续加剧,我们认为Excelero公司有望迎来显著的业务增速提升以及大量风险投资资金。当然,实际情况是否如此仍然有待观察。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。