存储业界普遍认为,除了EMC之外、只有NetApp能够单纯运用自己的存储技术积累构建起存储平台。然而如今Pure Storage也希望参与进来,这家依靠全闪存阵列产品起家的新兴企业表示,他们打算努力成为下一家拥有自己存储平台的厂商。
NetApp手中握有历史悠久的存储系统产品、一大批忠实的客户以及由供应商与相关支持培训厂商构成的生态系统。
而自NetApp之后,全部存储新兴企业都只有以下几条道路可以选择:要么被收购、要么组织首轮公开募股并忍受股价萎缩、要么不进行公开募股并忍受股价萎缩,再就是固守在规模相对较小的利基市场当中。
因此,此次发布的公告对于Pure无疑是个绝佳的市场推广机遇。不过这一切真如表面上所见吗?要想获得成功,他们尚需作出哪些努力?下面是我们对此给出的答案:
要想真正成为一家平台存储厂商,Pure当前最重要的一项任务就是在产品销售与市场推广以及技术开发方面带来优于竞争对手的实际表现。就目前来看,其竞争对手可能包括:EMC与Solidfire、NetApp与Violin,再加上IBM、思科、华为、Skyera以及其它厂商。此外,Pure还需要确保其竞争对手Kaminario不会在利基市场上迅猛发展并逐步迈向更为广泛的企业级产品领域。
说了这么多,Pure到底有没有可能完成这一系列挑战?在我们看来,其面临的最大难题包括服务器-SAN方案、公有云计算以及开发出足以超越众多竞争对手技术水平的产品成果——这基本上涵盖了全部存储硬件厂商。因此,我们要为Pure的命运划下一个大大的问号。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。