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
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。