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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。