ZD至顶网网络频道 11月09日 编译:在网络市场中,戴尔正在以来自合作伙伴和对融合基础设施不断增长的需求,在一个被行业巨头思科公司长期主导的领域占有一席之地。
“我们已经有了一个很好的产品,但是越来越多的讨论已经不再仅仅围绕网络,而更多的是融合基础设施,”戴尔北美渠道副总裁Frank Vitagliano这样向CRN表示。
戴尔在2011年收购Force10 Networks之后进入企业网络业务领域,竞争对手不仅包括老牌的硬件巨头思科,还有像Juniper和Arista Networks这样的新兴公司。
Vitagliano承认对抗思科是有一定挑战的,思科在市场占用率方面遥遥领先。思科的交换机收入规模达到34亿美元,根据分析公司IDC的数据,今年第一季度思科在总体规模达54亿美元的以太网交换机市场中占有62.4%的份额,其次是惠普企业和Juniper Networks。
除了竞争之外,Vitagliano表示合作伙伴还推动这对戴尔网络设备的需求,作为融合基础设施布局的一部分。
“这是基于我们服务器产品线的实力,”Vitagliano表示。“我们有大量的合作伙伴,其中很多合作伙伴与其他网络厂商也有合作,他们说,‘我需要计算和存储’,所以我们和他们进行更多地合作,推销我们的网络产品。当你拥有了一个多年积累的装机群的时候,就很难撼动并且重新取代。所以我们正在从融合基础设施的角度考虑这个问题。”
那些渴望创建网络实践的合作伙伴表示,他们对于戴尔在网络市场的前景以及赢得份额的战略表示乐观。
Davenport Group是一家全戴尔解决方案提供商,该公司首席执行官Sonia St. Charles表示:“我们正在极力推动构建我们的网络实践,我们以前主要集中在存储和基础设施上,但是我们决定要在网络方面有同样的投入。”
有合作伙伴表示,他们看到戴尔正在网络领域做着更为积极的推动。据St. Charles称,作为Davenport Group正在加强网络战略的根据,是他们看到了赢得市场份额的巨大机会。戴尔网络会和思科一样出色,她这样表示。
“我们认为这里和思科的竞争很明显,”St. Charles表示。“思科拥有如此大的市场份额,因此很多合作伙伴都是思科的合作伙伴。我们认为戴尔会比市场中的其他厂商表现的更出色。一些大型数据中心已经采用了戴尔,我们认为这是一个真正推动起来的好机会。”
戴尔网络及企业基础设施副总裁兼总经理Tom Burns向CRN表示,戴尔打算“加强渠道”,在教育、医疗和零售等垂直市场中推动戴尔的网络战略。
“我们绝对认为我们需要渠道取得成功,”Burns表示,他指出戴尔正在为合作伙伴提供“大量发布前期的培训”,以及定价优势。
尽管如此,作为交换机市场中的一个新贵,还有一些合作伙伴并不认为戴尔已经准备好在网络市场中分一杯羹。
“如果我要投资进入网络市场……那我会与思科合作,”一位要求匿名的、来自东海岸的戴尔合作伙伴这样表示。“如果你要有一套网络实践的话,你要从思科开始起步。”
“戴尔可能有一个很好的宣传,但这是带宽的问题,”这位合作伙伴表示。“如果一个合作伙伴对网络市场有一点了解的话,你唯一能与之合作的就是思科。如果我们可以做一些转变并且赚更多的钱,那么值得考虑。”
一家位于东北部的大型解决方案提供商、同时也是戴尔和思科的合作伙伴称,戴尔在这个市场中缺乏一定的规模。“他们肯定会推动网络战略。但是他们并没有与Aruba相竞争的无线网络解决方案。戴尔的Force10有局限性,他们没有思科那样的规模和市场吸引力,或者与Juniper和Arista也有差距。”
“我们喜欢戴尔,我们和戴尔一起做了很多很棒的事情,”这家解决方案提供商表示。“我认为戴尔的收购一直集中在技术市场的低端领域,没有往上提升。戴尔不是野心勃勃,我们也没有看到戴尔要把思科踢出这个市场的野心。”
好文章,需要你的鼓励
谷歌发布数据共享模型上下文协议服务器,使开发者和AI智能体能够通过自然语言访问真实世界统计数据。该服务整合了政府调查、行政数据和联合国等全球机构的公共数据集。新服务旨在解决AI系统训练中常见的数据噪声和幻觉问题,为AI提供可验证的结构化信息。谷歌还与ONE Campaign合作推出数据智能体工具,该开源服务器兼容任何大语言模型。
这项由谷歌DeepMind研究团队完成的开创性研究首次系统阐述了AI智能体经济的概念框架。研究提出"沙盒经济"模型,从起源性质和边界渗透性两个维度分析AI智能体经济形态,预测未来将出现自然涌现且高度透水的AI经济网络。研究详细探讨了科学加速、机器人协调、个人助手等应用场景,提出基于拍卖机制的公平资源分配方案和使命经济概念,并深入分析了技术基础设施需求、社区货币应用以及相关风险防范措施。
微软宣布从周三开始将Anthropic的AI模型集成到其Copilot助手中,此前该助手主要依赖OpenAI技术。企业用户可在OpenAI的深度推理模型和Anthropic的Claude Opus 4.1、Claude Sonnet 4之间选择,用于复杂研究和构建定制AI工具等任务。此举标志着微软与OpenAI这对曾经独家合作伙伴关系的进一步松动。
中国人民大学研究团队提出LoFT方法,通过参数高效微调基础模型解决长尾半监督学习中的数据不平衡问题。该方法利用预训练模型的良好校准特性改进伪标签质量,并扩展出LoFT-OW版本处理开放世界场景。实验显示,仅使用传统方法1%的数据量就能取得更优性能,为AI公平性和实用性提供了新的解决方案。