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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。