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
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。