2018年是超融合异常火爆的一年。据IDC报告,2018年全球超融合市场实现了近80%的扩张,其中戴尔易安信的增长率更是接近三位数。
这样一来,人们不禁开始思考:这种强劲的增长还能维持多久?
对此,戴尔易安信超融合产品管理副总裁Chad Dunn接受了科技媒体ChannelBuzz的采访,他认为,超融合的增长很可能还会延续,并且从长远来看,超融合的未来一片光明。
戴尔易安信超融合产品管理副总裁
Chad Dunn
Dunn给出了自己的观点,他说:“有四大趋势推动超融继续按照既定轨道发展。”
1首先是持续的,以更敏捷和按需付费为目标的数据中心转型。
现在大多数公司已经不考虑双层架构了,这里的原因有很多,包括数据增长速度不减、敏捷数据中心是帮助实现差异化竞争的更经济的平台。
2第二个趋势,混合云赢了。
AWS过去认为,超融合仅是通往云的一个中转站而已,完全可以跳过,但是现在这样的观点已经过时了。我们可以看到,不断有云工作负载因为成本或性能原因而转回本地,而且如今大家都认为混合云才是未来的云模式。
本地和公有云之间的界限将变得模糊,哪个云环境更有效,工作负载就会转移到哪里。而且,HCI将让位于公有云的观点,也被AWS自己给否定了,(AWS自身也开始提供混合云服务)。
所以,即使是公有云提供商也认识到有些工作负载必须保留在本地。我们看到了VMworld大会上AWS与VMware的合作,我们非常重视这段合作关系,对此也进行了一些投入。
2018VMworld大会上AWS CEO Andy Jassy和VMware CEO Pat Gelsinger
3第三个趋势,对于边缘计算的增长,超融合具备天然优势。
边缘计算倾向于从很小的规模开始,这与超融合的设计理念不谋而合。现在许多组织的目标是在边缘部署超融合来提供更高的计算能力。
VxRail可以从小规模起步,随着业务增长而灵活横向扩展
4第四个因素,是云原生应用和容器应用在超融合部署的爆发式增长。
Pivotal是我们的战略性业务,过去,云原生应用只占1%,而在去年,通过K8s的容器即服务层,这一数字已经在快速上升。
现在,K8s更被视为是基础设施而非工作负载。公司的核心销售人员已经开始将容器即服务的概念传达给客户,我们认为,在未来一年中,将会收获更好的业务表现。
Dunn之所以对超融合持续的市场后劲充满信心,关键因素就是上面几个趋势正处于不同的发展阶段,这就是为什么他认为超融合未来会更好。
Dumm表示:“超融合的增长受到了几波创新的推动,当一波创新回落了,另一波创新紧接而至。云原生容器也许就是下一次,用户不会再回到三层架构,软件定义存储的不断发展也将为HCI的增长的提供助力,存储级内存亦如此。我们可以做一些非常有趣的事情来增加内存池。”
Dunn评论了超融合行业的整体情况,他认为,热门市场往往会吸引新的参与者进来,但超融合的主流玩家仍以戴尔易安信为主的一些头部玩家。
“市场上也有一些规模较小的公司在参与,不过上升的空间很难突破。他们向一些需求算法用例的客户销售了双节点产品,我们在去年12月也推出了双节点产品,可以在那些用例中进行低成本部署。此外,许多客户仍然倾向于采用三节点产品,这样他们就不会过多困扰于资金成本。”Dunn表示。
Dunn还说:“这些客户比较注重运营成本,而这正是我们非常强大的地方,我们拥有丰富的管理和运营经验,另外,算法方面我们拥有非常出色的能力,今年研发的很大一部分就是围绕大规模部署的API体验展开的。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。