联想正在收购私营企业级块存储阵列供应商 Infinidat,具体收购金额尚未披露。
系统供应商联想的存储产品线主要面向中小型企业。该业务由 Kirk Skaugen 负责建设,他从 2013 年起担任联想基础设施解决方案集团负责人,直到去年 6 月被西部数据公司硬盘驱动器业务的执行副总裁兼总经理 Ashley Gorakhpurwalla 接替。联想的产品包括 ThinkSystem DG 全闪存、DM 混合和 DE SAN 阵列,大多采用 NetApp 的 ONTAP 存储产品线。
据 IDC 统计,联想在存储市场价格区间 1 (低于 6,000 美元) 到 4 (50,000 至 99,999 美元) 的收入排名第一。然而,在区间 5 (100,000 至 249,999 美元) 到 7 (超过 500,000 美元) 中并不领先,在 Infinidat 所专注的企业存储市场也不是主要参与者。
联想基础设施解决方案集团首席技术官 Greg Huff 在声明中表示:"通过收购 Infinidat,我们很高兴能够加速创新并为客户提供更大价值。Infinidat 在高性能、高端数据存储解决方案方面的专业知识扩展了我们的产品范围,我们将共同推动新的增长机会。"
Infinidat 首席执行官 Phil Bullinger 表示:"Infinidat 提供屡获殊荣的高端企业存储解决方案,具有卓越的客户体验和有保障的 SLA,在性能、可用性、网络弹性和恢复能力以及 PB 级经济性方面都无与伦比。借助联想广泛的全球能力,我们期待为企业和服务提供商客户在本地和混合多云环境中提供更全面的价值。"
联想表示将获得: - 用于可扩展、具有网络弹性的数据管理的关键任务企业存储系统和内部软件研发团队 - 扩展存储系统产品组合,覆盖高端企业存储,巩固联想在入门级和中端企业存储市场的现有地位 - 推动集团存储业务盈利增长的机会,因为 Infinidat 结合联想现有的全球基础设施业务、客户关系和全球供应链规模,预计将为高端企业存储产品创造新机会
Infinidat 由存储行业资深人士 Moshe Yanai 于 2010 年创立,其 InfiniBox 系统使用内存数据缓存技术,提供与全闪存阵列一样快或更快的磁盘数据访问速度。基础产品线后来扩展到包括 InfiniBox SSA 全闪存系统和 InfiniGuard 数据保护系统。这些系统与 IBM 的 DS8000、Dell PowerMAX 和 Hitachi Vantara 的 VSP 系统展开竞争。
最终,Infinidat 的增长有所放缓,Yanai 在 2020 年被迫离开董事长和首席执行官职位,转任技术布道师,随后离开公司。西部数据公司数据中心业务部门的高级副总裁兼总经理 Phil Bullinger 于 2021 年成为首席执行官。当时 Bullinger 表示 Infinidat 盈利、现金流为正且在增长。
此后,Infinidat 表示公司持续发展,2021 年订单同比增长 40%,2022 年实现两位数增长,且现金流为正。公司称在 2023 年第一季度创下记录,年度订单增长率达到 59%。该公司专注于网络弹性,并在 AI 领域活跃,通过 RAG 工作流部署架构使客户能够在其本地 InfiniBox 上运行生成式 AI 推理工作负载。
Infinidat 已筹集超过 3.7 亿美元的资金,最后一轮融资发生在 2020 年。
好文章,需要你的鼓励
OpenAI发布ChatGPT Atlas AI浏览器,支持网页问答、历史查询和邮件改写等功能。同时曝光秘密项目Mercury,雇佣约100名前投行精英以每小时150美元训练AI金融模型。公司还因用户滥用Sora生成马丁·路德·金视频而暂停相关功能。此外,医疗AI搜索引擎OpenEvidence获2亿美元融资,估值60亿美元。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
随着Chrome和Safari主导浏览器市场,众多替代浏览器正在挑战这些行业巨头。本文梳理了当前顶级替代浏览器,包括AI驱动的浏览器如Perplexity的Comet、Arc公司的Dia、Opera的Neon和OpenAI的Atlas;注重隐私的浏览器如Brave、DuckDuckGo、Ladybird和Vivaldi;以及专注特定领域的浏览器如Opera Air和SigmaOS。这些浏览器通过AI集成、隐私保护、定制化和专注用户福祉等特色功能,为用户提供了多样化的浏览体验选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。