混合云部门的目标是“抢占存储份额、扩展私有云,进军基础设施软件领域。”
HPE的混合云部门即将于今年11月正式开始运营,但目前还不清楚这家硬件巨头能否说服更多客户,让买家相信其GreenLake服务能帮助他们应对纷繁复杂的多云世界。

作为计划于今年11月1日(即HPE的2024财年伊始)开始生效的全面组织变革中的一部分,HPE公司CEO Antonio Neri已经于9月宣布将成立新的混合云业务部门。
HPE首席技术官Fidelma Russo将领导新的混合云部门,她本人也在此前于纽约召开的证券分析师会议上谈到了该部门的未来发展目标。
Russo表示,HPE的战略是抢占存储市场份额、利用现有GreenLake客户群扩展私有云,并计划向基础设施软件领域发起冲击。Russo还补充称,目前一切混合云方案都有着共通的关键组成部分,即跨多平台(通常是本地云加上一种或多种公有云)进行资源管理。
她宣称,企业现在正在从“公有云优先”转向新的混合模式。
但我们的观察结论倒是有些许不同。最初,企业客户只是想把公有云服务当成本地IT的临时性补充。但后来,他们很快意识到这种方式只会引入更多复杂性,导致成本的准确跟踪和管理变得更加困难。为此,不少公共事业部门、特别是英国的事业单位,才开始确立正式的云优先策略。
然而,Russo还声称随着数据的增长和分散化趋势的加剧,很多组织发现单纯依靠公有云“既缺乏可扩展性、也不具备良好的经济性”。这种情况在生成式AI和海量数据需求的冲击下开始进一步凸显——没错,生成式AI已经是决定当前技术构成的决定性因素。
但这一切对于HPE来说也在意料之中。早在几年前,HPE公司就发起过一波宣传攻势,强调云优先策略存在诸多问题,提醒公共事业部门应当谨慎考虑。于是惠普赶在业务拆分之前就放弃了公有云服务,并最终成立了HPE。
该公司目前的关注焦点是HPE GreenLake的订阅式IT即服务平台,希望尽可能在单一控制台之下管理本地和公有云资源。是否成功姑且不论,但HPE的思路确实如此。
Russo表示HPE将建立起与公有云不同的差异化优势,因为他们致力于帮助客户解决三大现实挑战,即“利用数据之力实现业务转型,通过真正的云体验实现IT基础设施现代化,同时大幅简化多代/多云IT资产间的协同运营。”
每家IT厂商都声称要帮助客户解决问题,但为什么HPE有自信能从竞争当中脱颖而出?
答案就是GreenLake,而Russo本人在其开发过程中也发挥了重要作用。她强调GreenLake在设计上依托于三大现实基础:“第一,客户不必在公有云的敏捷性和私有基础设施的性能与可控性之间二选其一;第二,客户希望有更多选择,且不受供应商锁定的影响;第三,运营体系需要能同时容纳公有云以及多代/多厂商IT资产。”
GreenLake产品组合现在可以为虚拟机、容器和裸机基础设施提供多云编排支持,同时提供私有云解决方案,供客户自行管理或选择完全托管服务。Russo在演讲中还指出,GreenLake可以提供AI基础设施即服务。
为了解决多云环境带来的棘手难题,GreenLake还通过HPE今年早些时候对OpsRamp的收购,获得了AI驱动的监控与可观察性支持。
市场调查企业Omdia公司首席分析师Roy Illsley表示,这也补齐了HPE的一块重要短板。
“我很了解OpsRamp,也相信其多云管理功能将与HPE的混合云和GreenLake碰撞出耀眼的火花。”
Illsley告诉我们,其他一些厂商也在关注相同的功能,“但HPE通过收购直接获得了经过现实考验的成熟技术。”
Russo提到,HPE的所有混合云、存储、私有云、HPE Aruba网络及计算产品均通过HPE GreenLake进行交付,借此为客户提供统一的云管理体验。
那么,GreenLake到底能不能提供显著的差异化优势?首先必须承认,HPE掌握着先发优势,其服务模式击败了传统硬件竞争对手,并逐渐成为很多客户在面对云计算选择难题时的一个重要选项。但根据媒体报道,早期愿意支持GreenLake的经销商并不算多,只有1.125%的经销商决定签约支持这套产品组合。而如今,HPE的各大硬件竞争对手在见证其成功后也开始纷纷效仿,推出自己的订阅服务计划,包括戴尔的Apex产品组合以及联想的TruScale。
在证券分析师简报会上,Russo提到HPE的方案已经得到客户及合作伙伴的“广泛采用”。她还强调,目前有超过2.7万家独立客户正在使用HPE GreenLake平台。
她总结称,GreenLake的价值主张“明显在我们的客户当中引发了共鸣”,并将HPE的独特优势归结于在“即服务”模式方面做出的开创性努力,以及该公司“多年以来审慎经营的收购与投资规划”。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。