融合基础架构开发商Nutanix本周三在美国丹佛市举行了首次渠道合作伙伴发布会——Nutanix Now大会,并借这次机会推出了一款帮助合作伙伴向客户展示在Nutanix解决方案上运行虚拟桌面基础设施成本效益的工具。
Nutanix还正式确定了服务计划,以及合作伙伴可以推向客户的新服务。
Nutanix开发的融合基础设施解决方案,将服务器、存储、网络和虚拟化资源融合由一个统一管理平台管理的集成解决方案中。
Nutanix的新应用帮助解决方案提供商计算虚拟桌面基础设施(VDI)的投资回报率(ROI),从面向医疗领域的解决方案开始。
Nutanix渠道和销售策略副总裁Steve Kaplan表示,Nutanix是一家在VDI领域改变游戏规则的公司。
他说:“客户通常将VDI用于灾难恢复和业务连续性,但出于VDI所需的存储成本而不是针对应用使用。借助Nutanix,客户可以按需地从小规模开始,然后逐渐扩展。这不像以前,客户不得不看到VDI对未来3年、4年或者5年的存储要求。”
Nutanix投资回报率工具包括覆盖客户VDI要求关键点的8个问题,Kaplan这样表示。
他说:“这不是全面的,但显示了VDI存储的好处。据我所知,这是首个针对渠道合作伙伴开发的VDI ROI解决方案。”
Nutanix本周三还推出了首个产品化服务的第一个正式产品组合。
Nutanix全球服务及客户服务副总裁Parmeet Chaddha表示,Nutanix正在让服务成为客户的必需品。
“过去8个月Nutanix被越来越多的企业数据中心广泛采用。我们的产品简单且成熟。但是随着客户运行越来越多的关键任务工作负载,并运行像SAP这样还没有内部基准测试的工作负载,服务将扮演越来越重要的角色。”
客户和合作伙伴还开始在她们的管理框架中采用Nutanix API,例如CA Unicenter和HP OpenView。Chaddha表示:“对于我们来说,有一个取得客户成功的方法很重要。”
Nutanix的服务产品包括三大支柱:
第一,客户宣传,或者为首要合作伙伴提供单点联系,帮助他们处理升级和协调可能包括Nutanix内部资源的服务产品。
第二,教育,包括销售人员和工程师在合作伙伴和客户方面的培训,帮助他们获得Nutanix Platform Professionals这样的认证。Nutanix还计划针对一级和二级支持、修复支持、管理Splunk或者VDI等工作负载能力方面进行合作伙伴和客户的认证。
第三,咨询服务,从部署Nutanix集群到VDI、私有云部署、物理到虚拟以及虚拟到物理的迁移。
Nutanix将为合作伙伴提供这些服务,以使用Nutanix做部署进行转销,或者让他们自己做所有交货和开票。
Chaddha表示,所有这些服务都不是以每小时模式提供的。“我们将预先设定服务范围,可以根据节点数量以固定价格提供给客户,其中将包括数据表、模板、工具和必要的知识产权。”
Zycom Technology是一家总部位于Ontario的云服务提供商,同时也是Nutanix的合作伙伴。该公司总经理兼技术副总裁Terry Buchanan表示,Nutanix的新服务策略将为渠道合作伙伴提供真正价值和支持。
Buchanan表示:“我喜欢Nutanix为服务器构建实际SKU、并以每节点计费方式提供基于节点的服务的做法。这很简单,这个计划让合作伙伴既可以与他们共同提供服务,也可以让合作伙伴自主提供服务。”
Nutanix的计划设计从一开始就让合作伙伴参与进来,Buchanan这样表示。“Nutanix已经准备好帮助我们创造新机会。我们与Nutanix合作,定期与他们会面讨论新机会。我们提出一些事情,他们会有所呼应。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。