老牌数据仓库和业务分析厂商依然表现强劲,但是Hadoop新兴厂商也在紧追其后。Gartner在其魔力象限中对比了17家分析厂商,Teradata、Oracle和IBM成为前三强,Cloudera、MapR、AWS和1010data成为挑战者。
Gartner指出:“进入2015年,数据仓库已经扩大到可以解决多种数据类型,处理引擎和仓库。我们现在看到在领导者象限已经有更广泛的分离。”
“企业架构师和仓库管理人员必须与他们的CIO们合作,应对新的需求和解决方案选择。”
企业需要“能够管理和处理外部数据,以及他们传统内部来源的数据,甚至可能包括来自于物联网的数据”的产品。
这将给数据仓库市场带来新的需求——对于更广泛的面向分析的数据管理解决方案,带有对现有企业数据仓库战略显著增强的功能和特性。
这还不够清楚。现在数据分析是一个竞争激烈的领域,微软、SAP和惠普都在领导者相信,右上角的象限代表着厂商执行完整愿景的能力。
奇怪的是,Pivotal是在远见者象限仅有的两家厂商之一。
Garnter罗列的分析厂商包括:
1、领导者
- Teradata
- Oracle
- IBM
- 微软
- SAP
- 惠普
2、挑战者
- MapR Technologies
- Cloudera
- 1010data
- AWS
3、特定领域者
- Exasol
- MarkLogic
- Kognitio
- Hitachi
- Infobright
4、远见者
- Actian
- Pivotal
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。