希捷公司正与Hammerspace开展合作,计划将希捷的Lyve Cloud存储即服务(STaaS)及Exos CORVAULT磁盘设备纳入Hammerspace的全球数据环境(GDE)。
GDE主要为客户提供跨边缘站点、本地数据中心和公有云平台的块、文件及对象数据访问服务,帮助世界各地的分布式用户共同查看和访问同一套跨体系混合云数据集。Lyve Cloud则基于希捷Lyve Drive机架的S3兼容型对象存储服务,配有Exos AP(5U84)机箱并提供安装在Equinix全球托管数据中心内的对象存储软件。Exos CORVAULT则是一台1.9 PB SAS JBOD(单磁盘设备),占用4个机架单元空间。
希捷业务与营销高级副总裁Jeff Fochtman在声明中表示,“目前,组织机构正努力捕捉、货币化并保留持续增长的海量数据集。通过与Hammerspace合作,希捷将以更加经济高效的数据移动方式、为客户建立起跨数据中心和Lyve Cloud的数据环境。”
他同时指出,与AWS、Azure和GCP三大云巨头不同,“Lyve Cloud并不会对数据的进入计费,这也让Lyve Cloud成为Hammerspace自动化数据编排功能集的完美补充。”
希捷还强调,Lyve Cloud能够提供数据隐私、高性能、无锁定、无API费用及无出站费用等优势,由此降低了海量数据集在存储、访问和移动层面上的总体拥有成本(TCO)。Zadara与希捷也建立起合作关系,双方约定将Zadara zCompute(带有虚拟机镜像的服务器)部署在Lyve Cloud数据中心内,以便在需要时实现即付即用。
希捷公司解释道,将zCompute引入Lyve Cloud的举措将为客户带来与其他云服务商相同的云存储和计算体验——我们猜测,这里希捷所指的应该就是AWS、Azure和GCP三巨头。
Hammerspace公司战略与业务发展高级副总裁Tony Asaro表示,“Hammerspace很高兴与希捷开展合作,共同将全球数据环境平台的随处数据编排优势带给每一位希捷用户。凭借Hammerspace与Lyve Cloud的联姻,无数客户数据位于跨云、混合云、多云区域乃至于多数据中心,用户都可以随时对数据内容进行高性能本地访问。”
存储硬件供应商能与第三方计算(Zadara)和多混合云数据访问、组织及可见性服务商(Hammerspace)建立合作关系,当然是件可喜可贺的大事。这也意味着各方联手,终于有了跟公有云巨头一较高下的实力。
那希捷又为Lyve Cloud设计了怎样的下一步发展规划?我们知道Zoom会议记录已经可以存储在Lyve Cloud中。希捷明显打算吸纳更多第三方服务商的支持,这一思路跟AWS、Azure和GCP把所有服务内化为自家产品的方针明显不同。
可以看到,希捷打算把更多数据导入自家Lyve Cloud STaaS,借此提升客户购买CORVAULT设备的动力。Hammerspace对此表示认同,也乐于通过Lyve Cloud这道桥梁实现从硬件到服务的跨界融合。
也许希捷的最终野心,是凭借自己的存储资源优势建立起性价比更高的简化版AWS公有云。换言之,希捷显然已经不再满足于为传统数据中心供应大量磁盘驱动器。随着Lyve Cloud在数据保护、数据库和分析服务等层面建立起更显著的市场吸引力,相信未来希捷还会为自己的这片云生态招揽更多第三方服务商。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。