HPE日前宣布收购又一家合作伙伴,此次出手是以尚不明确的金额买下云管理厂商Morpheus Data。
这家初创公司表示,自2022年以来,其云管理平台(CMP)一直作为HPE GreenLake服务的核心存在。
HPE公司CTO Fidelma Russo在谈到此举时指出,“通过收购Morpheus Data,我们将迈出新的一步,让HPE GreenLake云成为客观意义上的跨混合IT创新平台。”
Morpheus专注于管理多云环境,并与微软Azure Stack Hub、KVM/OpenStack以及VMware ESXi等核心虚拟化技术挂钩。
Morpheus还与戴尔、联想以及亚马逊云科技等大牌厂商合作,作为这些企业各类混合及私有云产品的云管理平台。据目前公布的情况,HPE将会继续代为履行现有交易——他们当然没有理由失去来自竞争对手的这些现成收益。
HPE和Morpheus多年来一直保持合作,最近一次宣布建立合作伙伴关系是在2022年初,计划将Morpheus的混合云管理平台整合至GreenLake当中。HPE当时宣称,这是一种“实现即服务模式以解决GreenLake当中混合云管理挑战”的方式。
但正如我们面对OEM收购案时经常要问的那样:既然Morpheus的许多功能已然成为HPE GreenLake当中的组成部分,又何必还要兴师动众买下这家公司?
HPE公司发言人Victor O’Brien在一封邮件声明中解释称,“从宏观角度来讲,我们收购Morpheus Data主要出于两个目的:扩展我们在HPE GreenLake云端的多云管理能力,同时结合我们在FinOps云成本优化、自助服务配置以及应用程序生命周期管理等领域的互补能力,进而加速推动技术路线图。”
O’Brien证实HPE的私有云产品组合中已经存在多种Morpheus方案,但他表示将这家公司纳入HPE内部将带来更大的操作空间。
O’Brien提到,“我们预计,Morpheus许多尚未开发的功能不仅有助于加速我们的私有云,同时也将推动HPE GreenLake整体云技术路线图的发展。”他举例称,作为HPE托管服务产品的一部分,GreenLake中业已存在的FinOps云成本优化功能将能够与OpsRamp遥测功能以及Morpheus的计量工具相结合,大大简化云支出的优化流程。
HPE去年收购的OpsRamp还将与Morpheus结合以“推动应用程序生命周期管理的自动化转型”。具体来讲,OpsRamp无法感知到Morpheus应用程序的存在,而根据HPE发言人的介绍,Morpheus却能够在应用程序生命周期的早期对前者进行观察和优化。
除此之外,O’Brien还提到Morpheus的“近百种无代码混合云集成”是一种简化应用程序配置与混合云管理的有效方法,而且超出了GreenLake所能支持的当前范围。
HPE拒绝透露具体交易条款。此次交易预计将在HPE第四财季初完成,此财季从8月1日开始,一直持续到今年10月底。
合并完成之后,尚不清楚Morpheus是否将继续作为独立的品牌存在。O’Brien表示HPE计划将Morpheus的解决方案整合到HPE GreenLake云当中,并在交易完成后另行制定品牌发展策略。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。