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
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。