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
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。