数据存储巨头NetApp今天表示,在以未公开的价格收购开源数据库初创公司 Instaclustr 后,正在向平台即服务业务领域进军。
Instaclustr为那些不想自己管理软件的企业提供最流行的开源数据库完全托管版本。Instaclustr的“开源即服务”平台托管和支持一系列免费软件,包括Apache Cassandra、Apache Kafka、Apache Spark、Apache Lucene和ScyllaDB等项目。
Instaclustr认为,尽管这些项目都很强大,但许多企业都觉得设置和维持这些软件的运转是一件令人头疼的问题。Instaclustr致力于帮助这些企业处理这些事情,提供扩展这些平台所需的数据能力和基础设施。
NetApp表示,收购完成之后将把Instaclustr并入CloudOps产品组合,能否顺利完成交易取决于是否符合惯常的成交条件。
NetApp执行副总裁、总经理Anthony Lye在一篇博文中表示,此次收购旨在通过让客户更轻松地安装开源软件来改善客户体验。
他表示:“收购Instaclustr是NetApp具有战略意义的下一个步骤,我们将为客户做更多的事情,简化体验,不断优化和保护平台,这样客户就不必亲力亲为了。”
NetApp最近一直在大举收购,Spot、CloudCheckr以及最近刚刚收购的Fylamynt等公司,目的在于扩大自己在网络安全、云成本控制和云自动化等领域的业务规模,而且这些收购都符合NetApp的计划:从传统存储提供商发展成为更多致力于帮助企业管理云中大多数工作负载。
“我们现在借助Cloud Hawk、Cloud Secure和CloudCheckr可以为客户提供SecOps,提供解决方案满足客户最紧迫的云需求——规模、性能、速度、效率、安全性和成本。”Lye讲道。
关于Instaclustr,Lye表示,它将为NetApp提供一个平台来运行、优化和保护多个开源数据库、数据管道和工作负载,该计划将为客户创建一个可以在公有云和私有云中使用的、开放且可扩展的平台,让应用团队更够更快地进行构建和部署。
Lye补充道:“现在我们比以往任何时候都更多地涉足于优化业务,为我们的客户提供一切帮助,NetApp和Instaclustr将共同面向公有云和私有云提供我们的平台即服务。”
Moor Insights & Strategy分析师Steve McDowell表示,此次收购是NetApp过去几年中的第六笔与云相关的收购。他认为,Instaclustr将成为NetApp云服务组合的一个重要补充。“这是一款备受重视的产品,有很强的吸引力。”
他表示,到目前为止,NetApp已经表明自己是完全有能力通过收购来发展业务的,尽管这种战略已经给其他很多厂商带来了问题。
他说:“整合文化和整合产品是一件很困难的事情,但NetApp的领导团队似乎能够应对挑战,现在NetApp的云优先战略已经实施了几年时间,目前来看正在取得成效。这个细分市场正以三位数的增长扩展,正在成为NetApp整体业务中的一个重要组成部分。收购Instaclustr进一步强化了这个战略。”
Instaclustr创始人、首席技术官Ben Bromhead表示,两家公司将为客户提供一种“合乎逻辑的组合”,“NetApp强大的基础设施解决方案与Instaclustr的数据层即服务解决方案及服务之间的完美结合。”
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。