9月13日,至顶网评论:(文/任新勃)当戴尔收购EMC、HPE与新华三合作之后,人们还在纷纷议论下一个收购是不是联想收购NetApp?在2018年9月13日,联想与NetApp以这样的合作方式进行了合作:
最新的技术合作——以NetApp全闪存数据管理解决方案和联想的ThinkSystem基础架构合作,开发全新的联想品牌存储产品。
成立合资公司服务中国市场——合资公司将由联想控股,占股51%,NetApp占股49%。据悉,董事会中,联想和NetApp将分别占据四个和三个席位。合资企业将采取独立经营、独立核算、独立管理的方式,预计于2019年春季投入运营。
而在昨天也就是2018年9月12日,IDC发布的全球企业存储系统第二季度追踪报告显示,NetApp在全闪存领域已经处于第一的市场份额。
双方在全闪存领域的战略合作显示着双方的合作是立足未来的存储市场需求。同时也表示合资公司推出的联想品牌存储产品与现有联想产品不会产生重叠。
个人认为新的产品首先是针对未来人工智能、深度学习等领域的数据存储需求。大家知道,在人工智能领域对于算力、算法和数据存储具有更高的要求,而联想在高性能计算具有绝对的优势。NetApp全闪存更是在全球市场为例榜首。双方的集成方案在市场上具有强大的新引力。
这么看来,针对下一代数据中心需求,目前市场的玩家包括,戴尔EMC、HPE新华三、华为以及联想NetApp。当然如果浪潮能够实现未来三年全球第一的目标话,也有其一席之地。
当然这是乐观的结果。因为联想和NetApp的合作大量细节没有披露出来。如果大家在存储圈,应该记得在2013年,联想与EMC也成立合资公司LenovoEMC(联想占51%的股权,EMC占49%),也是共同开展自有品牌存储开发。但是随着戴尔收购EMC,双方的合作戛然而止。
因此未来乐观的情况是,双方此次的接触为的后续更深入的合作试水,那也说不定!
附:官方的新闻通稿。
9月13日,联想和全球混合云数据管理领域的权威企业NetApp公司宣布达成多方位的全球战略合作伙伴关系,以推出创新的技术和简化的体验,帮助客户实现IT现代化,加快数字化转型步伐。
作为高性能计算与闪存解决方案领域的创新领导者,联想和NetApp致力于不断推出领先技术,扩大业务规模,帮助全球的客户从边缘到核心再到云,全面打造现代化的IT架构。
据悉,两家公司当前正在利用NetApp行业领先的全闪存数据管理解决方案和联想领先的ThinkSystem基础架构,联合开发全新的最广泛联想品牌存储产品,这些新产品将采用来自NetApp的核心软件技术、由联想制造,并充分利用联想世界一流的供应链系统。在Gartner对全球所有科技公司所做的评选中,联想的供应链入围前五名之列。
此外,联想和NetApp宣布在中国筹建一家合资公司。
该合资公司将致力于交付符合本地需求的定制化存储产品和数据管理解决方案,满足中国市场和云生态系统的独特要求。合资公司预计于2019年春季投入运营。
联想集团董事长兼首席执行官杨元庆表示:“联想致力于通过不断丰富以客户为中心的数据中心产品集合,推动全行业实现全新的智能转型。联想将努力通过有机和无机的增长,同时通过在数据中心行业保持强大的全球合作伙伴关系,全面满足客户的需求。”
NetApp首席执行官George Kurian表示:“在当今的全球经济中,客户需要新的IT基础架构来支持其数字化转型,通过这一战略合作,联想和NetApp将可带来当今市场上无与伦比的全面产品、解决方案和服务组合。联想和NetApp在围绕客户开展创新方面具备互补优势。通过将这些优势相结合,在加速客户成功方面将树立新的标杆。”
作为这一合作伙伴关系的首批解决方案,联想ThinkSystem DE和DM系列将在全球范围上市。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。