2017年9月4日,在易思捷的全新会议室,易思捷召开了企业云与虚拟化推进战略发布会,易思捷董事长兼CEO杨炳富等多位高层领导出席。在会上发布了全新的品牌logo和新的战略规划,即“易思捷第一个五年计划”。
杨炳富首先回顾了易思捷公司在过去几年的发展,并发布了第一轮五年计划,分别为:构建全国产云生态系统、实现100个以上的企业云项目、占领企业级虚拟化及云架构市场的15%份额等。
易思捷董事长兼CEO杨炳富
据了解,作为一家以技术为驱动IT公司,在2009年到2016年期间,易思捷营收一直保持续强劲增长,取得了业务的营收增长5倍,虚拟化解决方案和软件增长10倍的好成绩,并成为国产虚拟化方面“领跑者”。“在过去几年,易思捷持续产品创新,最早实现千万级净利润,虚拟化成为易思捷增长最快的产品线。”杨炳富说。
当今中国,数字化革命带来越来越多的应用,数据及设备。拒IDC数字宇宙研究报告指出,2016年至2020年期间,中国每年创建的数据量预计将从364EB增长到8.6ZB,每年增长近50%。如何为应用、数据提供更便捷交付和管理、访问是易思捷五年计划的使命和课题。
对此,杨炳富表示,易思捷已经由传统的虚拟化架构厂商转型为虚拟化及云架构公司。未来,他更看好虚拟化和云计算的增长空间。在产品层面,依靠易思捷在系统层深厚产品优势,以差异化对抗国际品牌。打破国内市场被国外厂商主导的局面;企业云领域,易思捷将成为专业的“云到端”的解决方案商,致力于为众多企业用户提供“云到端”一体化解决方案。
在市场方面,易思捷将逐步开放市场,与更多大型服务器厂商展开深度合作。杨炳富透漏,公司将在10月公布分销和OEM方面的合作计划,双方目前已开始共同研发新型一体机。
“国产虚拟化15%市场份额,并实现营收十倍的增长。”这是易思捷杨炳富给自己设定的未来五年目标。
全新易思捷服务器虚拟化平台UniSphere 5.0。面向中国用户做特色及差异化功能,不仅具备八项黑科技,同时狠下苦功能,对底层操作系统及虚拟化达200余项的优化,使易思捷UniSphere 5性能比原生KVM提高了30%。
易思捷企业云eCos 5.0是自服务、企业级的服务式云交付平台,单一平台可满意五大场景,即私有云、托管云、混合云、公有云包括超融合。据了解,极简自助服务是易思捷云产品eSage eCos的一个重大突破。依靠预设计、预配置的服务级别,形成一个可供联邦级多组织租户选择的服务目录,目前该产品已在国有四大银行、智慧湖南以及全国最大的广电企业、排名第一的大学部署。
易思捷将系统级八年积淀服务器虚拟化技术与桌面框架融合。独创的类微软Hyper-V技术,实现了在KVM上达到微软交付桌面系统的高性能和高兼容性。它使得易思捷桌面虚拟化平台与VDI用户实现了接轨。
接下来,易思捷依托三大核心产品体系,积极携手合作伙伴,布局新的市场战略,打好攻坚战,实现第一个五年计划。
一、打造中国全国产化合作伙伴生态圈。挖掘和培养行业ISV,着重把制造业、医疗、教育、金融等行业列为重点行业。与知名服务器厂商共同开拓渗透二三四线城市。
二、实现合作“云”项目100个以上,推进30个以上城市的落地。云计算将成为未来五年最为确定的市场机会,相较于公有云的红海市场,行业云将成为未来云计算市场争夺的新战场。其中智慧城市、医疗、教育及IT服务行业成增长趋势。就单独拿金融行业来看,中国银监会去年发布了《中国银行业信息科技“十三五”发展规划监管指导意见(征求意见稿)》,《意见》指出,银行业应稳步实施架构迁移,到“十三五”末期,面向互联网场景的重要信息系统全部迁移至云计算架构平台,其他系统迁移比例不低于60%。通过《意见》,不难看出,银监会发布了关于金融云的使用指导,要求五年内60%的金融业务要上云。
三、实现企业级虚拟化及云架构市场15%以上份额。以“帮助更多人们交付及访问应用和数据”,将成为易思捷一直践持的使命。
好文章,需要你的鼓励
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
微软研究院推出SambaY架构,通过创新的门控记忆单元实现AI推理速度10倍提升。该技术采用解码器-混合-解码器设计,在数学推理等复杂任务上表现卓越,为高效AI推理开辟新方向,有望推动AI在教育、科研、医疗等领域的广泛应用。
Dfinity基金会发布Caffeine AI平台,通过自然语言提示创建功能完整的应用程序,旨在将全球开发者数量从5000万扩展到50亿。该平台基于区块链技术,用户可通过对话方式快速构建应用,包括博客和电商网站等。与Anthropic合作提供后端支持,挑战传统应用商店模式。
瑞士EPFL研究团队开发的PERK方法通过参数高效的测试时学习技术,让AI能够像人类一样将长文档信息编码到专门的记忆模块中,显著提升了长上下文推理能力。该方法在多项测试中表现卓越,不仅能处理比训练时长32倍的文档,还解决了传统AI的位置偏见问题,为处理复杂长文档提供了创新解决方案。