ZD至顶网服务器频道 04月05日 新闻消息(文/邹大斌): 尽管由于手续和流程方面的原因,新华三还没有正式宣布成立,但透过旗下的紫光华山和杭州华三通信的市场行为,我们看到其市场战略却已经清晰地显露出来:新华三将采用HPE和H3C的双品牌,并坚持以国际并购带动自主创新的市场战略。
新华三集团将由紫光华山和杭州华三通信两家下属公司共同组成。其成立源于2015年5月21日紫光集团与惠普公司达成的协议:紫光集团收购中国惠普公司旗下“新华三”51%的股权,HPE全球会占49%的股份。交易完成后,紫光华山(原中国惠普公司企业业务集团)与华三通信将成为新华三集团下属公司。
“新华三将采用HPE和H3C的双品牌战略,坚持以国际并购带动自主创新,这也将成为未来新华三的竞争优势。”紫光华山CEO叶健在日前的媒体沟通会上表示,在业务分布上,紫光华山是HPE品牌与H3C品牌服务器、存储、技术服务在中国市场的独家提供者, 而华三通信是网络、安全、无线及相关技术服务的提供者。
他说,成立之后的新华三将成为能够给客户提供最全面的产品和解决方案的公司:从最底层的数据中心基础设施到IT基础架构及相关服务,包括设计、实施、运维全生命周期的服务,这是其他竞争对手所不能比的优势。
实际上,这种战略布局早就已经开始运作。就在不久前,紫光华山宣布推出四款H3C品牌全新的服务器和2款H3C的存储产品,包括面向计算密集型和数据密集型的大型企业应用的4U机架服务器H3C R6800 G2和2U机架服务器H3C R6600 G2,以及面向大型数据中心主流应用的2U机架服务器H3C R4800 G2和1U机架服务器H3C R4600 G2;以及2款全新H3C品牌的存储产品H3C ConvergedFabric 8800 Storage系列存储系统和H3C ConvergedFabric 22000 Storage系列存储系统。
“紫光华山是HPE与H3C的服务器、存储、技术支持服务在中国唯一的提供者,也是技术咨询服务的提供者,我们会继续提供HPE的技术支持服务。同时,我们也会在中国推出H3C品牌服务器、存储以及相关的技术支持服务。”叶健介绍。
这就意味着现在紫光华山将同时拥有HPE品牌的服务器、存储和H3C品牌的服务器和存储,那么,这两个品牌之间市场定位如何区隔?
HPE中国区副总裁、紫光华山存储产品事业部总经理黄强对此解释说,“其实双品牌的定位还是非常清晰的。如果一个客户希望拿到原汁原味的全球性的产品可以选择HPE品牌——现在中国市场HPE品牌的服务器、存储确实跟美国市场销售的完全一模一样;而市场上H3C品牌的服务器和存储,则是完全针对中国市场规划设计制造的品牌。”
黄强表示,HPE和H3C品牌之间将形成良好的市场互补关系而不会是市场竞争关系。“以前,我们就发现中国本地的客户会有一些本地的需求,比如配置、价格和服务等。当时只有HPE品牌,我们没法充分满足客户这样的需求。而现在我们有了双品牌策略,其中的H3C品牌就是希望弥补原来无法满足的需求,为本地的客户提供更多样化、弹性化、灵活的产品和服务。”
据悉,负责新H3C品牌服务器与存储产品设计的是新华三旗下的华三通信,其拥有三千多人规模的本土研发团队,由于长期与HPE全球研发力量保持着协同研发的紧密关系,所以具备强大的科技研发实力、全球化的研发视野,以及与HPE同等级甚至更高的测试、品控标准。这个研发部门将为紫光华山和华三通信共同研发产品。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。