HPE计划将众多存储产品和服务纳入六个品牌,借此简化自家产品组合。
这项计划将在未来三年内逐步实施落地,HPE公司执行副总裁兼首席营销官Jim Jackson已经在博文中给予确认。Jackson在HP/HPE拥有22年的资深工作经验,他也非常理解客户在面对纷繁复杂的产品与服务名称时那种困惑与无力感。
“在HPE,我们正努力通过单一集成平台交付高度一致的客户体验,全面统筹HPE和HPE GreenLake的边缘到云平台各品牌。”
此次品牌结构调整将把如今的29个产品和服务品牌,简化成两个计算品牌,外加存储、网络、软件和服务品牌各一个。

HPE品牌调整计划
最终选定的品牌包括计算领域的ProLiant和Cray,存储领域的Alletra,网络领域的Aruba,软件领域的Ezmeral以及服务领域的HPE。除此之外的其他现有品牌都将做相应更名。
“为了最大限度减少品牌调中的干扰,我们将在未来三年左右内通过业务流程逐步实施这些变革。在推出新产品,或者改变现有产品的价值主张时,我们将应用新的品牌架构和命名策略。当现有产品达到使用寿命终点时,我们会淘汰其品牌名称。”
在存储领域,HPE目前拥有Alletra品牌、Simplivity HCI产品和Storeonce(配备InfoSight云管理工具的重复数据删除备份设备)。Simplivity和StoreOnce在各自产品领域都算不上市场领先,Jackson在博文中表示这些品牌名称的后续使用周期最多不会超过三年。
至于OEM形式生产的日立Vantara VSP 5000(作为高端XP8阵列销售,主要以PowerMAX为竞争对手)并不在HPE的关注范围之内。毕竟这款产品在HPE官网上存在感并不强,只在用户搜索后会显示相关条目。HPE于2021年10月发布了第二代XP8,而日立Vantara的VSP软件也已能够运行在公有云上。相信在日立发布第三代VSP 5000时,HPE才会最终决定XP8产品的未来命运。
Alletra品牌包含Alletra 9000、6000、5000、4000和dHCI等产品,具体又分为Primera(9000)、Nimble(6000、5000和dHCI)以及Apollo数据服务器(4000)等子品牌。
GreenLake存储服务同样囊括诸多品牌,包括HPE GreenLake旗下的文件存储、块存储、Alletra存储、HCI、灾难恢复、备份与恢复等多个子系列。其中文件存储和块存储服务实际运行在Alletra Storage MP硬件上。
Jackson明显不打算直接给Simplivity、StoreOnce和InfoSight等品牌直接安个Alletra前缀。从这个角度看,HPE似乎会继续使用当前名称,等待各产品的生命周期走向终点。
从某种意义上看,HPE此举似乎是在效法戴尔。在收购EMC之后,戴尔也简化了自己的存储品牌,用一块Power金字招牌囊括了一系列戴尔和EMC存储产品(包括VMAX、Data Domain和Isilon等)。如今大家所熟知的PowerMAX、PowerProtect和PowerScale等正是由此而生。IBM也曾对自家存储软件产品开展过品牌统一改革,将Spectrum品牌调整为IBM Storage。
Jackson总结称,“通过削减品牌数字并辅以描述性命名,我们将帮助客户更易了解哪些产品和服务更适合他们的需求,弄清哪些产品和服务之间可以搭配使用,还有其对应的自然升级路径是什么。”
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。