HyperFlex是思科公司打造的超融合型基础设施设备(简称HCIA),其将Springpath的软件与思科UCS服务器加以结合。
在今年2月,其客户才刚刚超过1000家。不过在7个月之后,思科Rob Salvagno表示HyperFlex客户已经超过1800家,增幅高达80%。到现在,即9个月之后,据我们了解,思科公司的HyperFlex客户数量已经达到约2000家。
在今年11月的周报当中,公司CFO Kelly Kramer在其声明中提到"HyperFlex数据中心产品迎来强劲增长"。
在当次财报会议中,公司CEO Chuck Robbins指出:"在超融合型产品领域, HyperFlex产品也继续处于预期当中的高端水平。几个季度前,其表现开始超出我的预期,因此我调整了期望水平,总体而言,表现相当出色。"
根据报道,一家客户购买了800个节点,并准备进一步订购2000个节点。虽然没有事实依据,但相信这样的形势已经让销售代表们乐开了花。
相比之下,Nutanix公司于今年9月表示,其目前客户数量达到7051家,较上年3280家客户增长87%。
评论意见
在客户数量方面,目前还没有明确的单位数量。目前只能确定戴尔-EMC与Nutanix已经成为HCIA市场上的领导者; 第二梯队中则包含HPE、思科、Scale Computing以及Pivot3(客户数量超过2000家); NetApp等其它企业则有些落后。在这一迅速成熟的市场当中,思科公司亦开始成为主要参与厂商之一。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。