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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。