存储软件巨头NetApp希望以未公开的价格收购云优化软件 CloudCheckr,以期扩大自身的金融运营 (FinOps)业务。
NetApp计划将CloudCheckr与其Spot by NetApp服务相集成,后者采用分析和自动化来帮助企业利用性能最佳且最具成本效益的基础设施来处理云工作负载。
CloudCheckr销售的软件可以分析AWS、微软Azure和谷歌云的成本,查看多个账户的账单细节,为客户提供了一个易于使用的、企业所有云帐户的概览,包括使用的资源、配置、权限、安全性、合规性和变更项,有助于企业更好地分析和控制云成本。
NetApp公司云高级副总裁Anthony Lye在一篇博文中表示,CloudCheckr的软件将为Spot增添一些新的功能,例如成本可见性、自动化操作、安全配置、深入洞察和详细报告。
Lye表示,企业转向云端意味着控制成本对于那些寻求云计算投资回报的企业来说,已经是一项关键要求。他说:“在加速云应用的同时管理成本,这对企业组织来说是一项重大挑战,因为他们需要在以云速度运行的同时,最大限度地提高云投资的投资回报率。”
Lye认为,通过将CloudCheckr的云成本管理、计费分析、合规性和安全工具添加到Spot by NetApp中,将帮助客户更快地部署基础设施和业务应用,同时降低他们的运营开支。“这是我们FinOps战略向前迈出的关键一步,也是对我们整体CloudOps领先地位的加速。”
去年,NetApp以约4.5亿美元的价格收购了以色列云基础设施优化初创公司Spot,随后将该业务转变为Spot by NetApp,从而进入CloudOps和FinOps领域。此次收购是NetApp的一个关键转折点,最初NetApp是一家存储硬件制造商,后来转向云端存储和基础设施管理。
NetApp在一份新闻稿中表示,Spot将把CloudCheckr的成本可见性和报告工具与NetApp的持续成本优化服务相集成,将帮助客户更好地理解和提高他们使用云资源的效率。
Moor Insights & Strategy分析师Steve McDowell表示,他对这次收购感到惊讶,因为CloudCheckr的功能已经与Spot非常相似。
“NetApp称CloudCheckr拥有与Spot互补的技术。如果的确如此的话,那么NetApp显然是为了填补路线图上的空白,以避免冗长的开发时间。这也许是一个很好的策略。”
McDowell认为,此次收购还表明NetApp很清楚,了解如果要在云管理市场中参与竞争,就需要大量投资和快速行动起来,此次收购为NetApp提供了可行的产品和良好的知识产权,使其能够以最快速度进入市场。
不过他也表达了他的担忧,他说,NetApp最近一直在大举投资,过去18个月中进行了四次收购,而成功地将一家公司整合到另一家公司需要非常谨慎和专注,他担心NetApp可能行动太快而没有花时间真正去整合所有的部分。
“这可能会带来短期的成功,但也会带来长期的担忧。鉴于当前的竞争形势,我还担心NetApp的野心可能过于广泛,优化云成本与管理云和云原生应用数据有些相距甚远。”
但他也表示相信NetApp的整体领导地位,特别是NetApp最近公布了一连串表现稳定且积极的季度业绩。
“我正在密切关注NetApp的发展方向,这条道路对它来说是否过于分歧,以及NetApp是否会因为继续这种以云为中心的战略而在基本存储业务上分心。”
好文章,需要你的鼓励
随着谷歌搜索和亚马逊主页在电商领域影响力下降,AI助手如ChatGPT、Claude等成为消费者新的购物入口。品牌必须掌握生成式引擎优化(GEO)技术才能保持可见性。传统SEO策略已失效,AI系统更青睐结构化、问答式的高质量内容。研究显示,来自AI助手的流量转化率比其他渠道高9倍。品牌需要基于真实客户问题创建内容,采用结构化问答格式,并建立信任度,才能在这个新的电商秩序中脱颖而出。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。
2025年第一季度网络攻击激增126%,英国新法案要求数据中心强制报告网络安全事件。现代威胁已演变为同时攻击IT和OT系统,而许多数据中心的备用电源系统仍使用90年代的过时技术。电池储能系统(BESS)通过分布式架构、加密通信和自主运行能力提供网络弹性防护。BESS即服务模式将网络安全维护转移给专业提供商,同时通过需求响应和能源套利创造收益。随着全球法规要求将网络安全与能源安全相结合,数据中心需要现代化基础设施来应对日益严峻的威胁环境。
微软研究院开发出LongRoPE2技术,能让大型语言模型的记忆容量扩展64倍至12.8万字,同时保持98.5%的原有性能。该方法通过发现AI位置编码训练不均衡问题,采用智能搜索和混合训练策略,仅用传统方法八十分之一的资源就实现突破。这项技术将使AI能完整处理长文档、进行复杂对话,为文档分析、代码开发、内容创作等领域带来重大改进。