走进良源鼎鑫公司,刘学良示意我先坐下,他没有放下手里的电话,好像在联系渠道培训场地。我也利用这个时间,好好环视了一下今天要采访的这家公司——好像除了员工工位,和仅容一人通过的过道,其他空间都堆满了浪潮的存储设备。
刘学良,东北人,在中关村,乃至全国的存储领域都颇有些名气,圈内人都知道有家既懂技术,又从来不卖假货的良源鼎鑫公司。
在京20年,刘学良身上能看到东北人的性格,和北京人气质。敢想敢干,要么不做,要做就全力以赴。良源鼎鑫曾经在IBM的全国的存储渠道中,名列前茅,在转做浪潮存储后,一年之内就又坐上了头把交椅。
“其实,10年前,我还真没看上浪潮。”2003年,刘学良结束了打工生涯,从此中关村内有了家叫“良源鼎鑫”的,以分销存储产品为主业的公司。但既然是创业,就必须对自己负责。“我对比了浪潮和IBM,说实话,就从表面制造工艺上看,还是有差距。”
刘学良不出意外地选择了IBM。当年的IBM存储,品牌拉力确实有,但几百家渠道商竞争不可谓不激烈。问及良源鼎鑫的生存之道,“我们从来不卖假货,哪怕一个配件也不卖。”刘学良说:“良源鼎鑫又是一家能吃透产品,能够提供技术支持的增值分销公司。我要求销售经理都能熟记每款产品的技术细节,以及与友商产品的功能对比。圈内朋友有技术问题,都愿意咨询我们。”
凭借此两项过硬的本事,几年之内,良源鼎鑫公司遂成为首屈一指的IBM存储渠道商。当然,如果按照此势头发展下去,良源鼎鑫现在应该已经成为一家颇具规模的公司。但2013年之后,刘学良还是发现势头有变化。
自主可控、去IOE,使国际品牌不再风光,再加上品牌易手,刘学良不得不面临第二次事业选择。“可能还是基于10年前的判断,在两三个本土品牌中,浪潮还真不是第一选择。”刘学良说:“但尝试合作了一个项目后,发现某些品牌的宣传和实际运作存在太大的差距。邀请他们进行售前支持, 10多天都不能给用户提供设计方案。”
当浪潮再次叩开良源鼎鑫的大门时,“我发现还真不能用老眼光看待这家公司,产品从工艺,到功能都与国际品牌不相上下。”这让刘学良很兴奋:“我要代理浪潮,而且要做就做北京区独家总代理。不只负责产品销售,还要负责面向下游渠道进行技术培训。”
有如此决心,双方的合作协议很快达成。而对于第一步怎么迈,刘学良进一步提出了自己的想法,“浪潮本希望我们先提10台AS300N2试销,”但以刘学良东北人,要么不做,要么就全力以赴的性格,他提出,“能不能第一次就提货30台?”
这一想法很惊人,也确实出乎浪潮的意料,“AS300N2是尾货,而且综合比较性价比,相当有竞争力。”刘学良说:“而且包销某一型号产品,更容易在存储圈里打开知名度。”
实际上,最后浪潮找遍了全国所有的库房,也只调出了13台设备。但也正是因为这13台AS300N2,让圈内的存储渠道都知道,良源鼎鑫已经成为浪潮存储的核心合作伙伴,“当然,浪潮各地的销售经理也极力的在各种项目中,推荐使用AS300N2,这也使我们减轻了不少的销售压力。”刘学良说。
仅仅两个月,13台设备销售告罄。虽然100多万元的销售额并不算高,但至少让良源鼎鑫在渠道市场中打开了局面。“2015年,我们进一步加大投入,希望推进浪潮存储直接面向最终客户。”说实话,多年来,良源鼎鑫并没有沾染很多国际品牌代理商“坐等用户上门”的习气。2015年,良源鼎鑫主动与北京各大科研院所加强技术交流,基于用户在云计算、大数据方面的应用,推荐浪潮存储解决方案。
当然也正是在这一年,良源鼎鑫的浪潮存储业务收入一跃达到3000万元,一年之内就成为浪潮排名第一的合作伙伴。而对此,刘学良说:“现在我特别希望尽早开上年初浪潮承诺奖励的奔驰车,让圈内的渠道都看看,做浪潮是有前途的,浪潮是家讲信誉,重承诺的公司。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。