根据蓝色巨人发布的最新财报显示,IBM公司的存储硬件业务营收继续保持着长久以来的萎缩趋势。
面对这样的状况,我们很难给出什么评论意见。IBM公司应该是目前世界上管理及运营水平最高的企业之一,但其已经连续二十个季度遭遇存储营收同比下滑。
这可能就是传说中的CADR——也就是年均复合下滑率吧。
我们在上图当中为代表各年第二季度的柱状图形添加了红圈,可以看到各红圈代表的正是最近六年来第二季度存储业务营收的趋势走向。很明显,以2010财年为基准,IBM公司已经连续五年在第二季度遭遇同比营收下滑——那么,其它季度的表现又如何呢?
根据下图可以看到,其它季度的业绩表现与第二季度基本保持同样的发展趋势。如果我们将各个季度分别汇总成图表,就会发现IBM公司存储硬件营收下滑表现出了令人惊讶的规律性:
大家不妨想象发生在IBM公司管理层之间的以下对话:
监督高管:“你们这个季度有什么规划?”
存储硬件业务经理:“我打算继续推进既定发展方向:带来更低的同比营收数字。”
监督高管:“听起来很有挑战啊,看看你们的实际表现吧。”
以上对话当然是我们虚构的,但IBM公司存储业务管理团队到底在搞什么鬼——除了收购TMS以及妥善运营Storwize产品线之外——从本质角度讲,他们的作法可能真跟以上设计台词没什么区别。
IBM公司CFO Martin Schroeter在事先备稿的发言当中指出:“我们的存储硬件营收同比下降4%。我们在新财年的上半年再次见证了新一代存储产品,也就是Flash Systems的强劲增长势头。这一增长再次被我们处于下滑的OEM业务以及疲软的高端磁盘业务所拖累。”
这种状况正像是惠普公司在收购3PAR之前面临的困境,其遭遇到存储营收持续萎缩这一几乎无解的难题,而且看不到任何业务复苏的迹象。如此说来,Flash Systems(TMS)以及Storwize会向何处去?二者又是否会成为蓝色巨人重振存储业务的驱动引擎?就目前的形势看,答案恐怕是否定的。
如果IBM公司本季度各类业务营收总和为208亿美元,那么可以看到其存储硬件收入只占到其中的一小部分——但具体比例基本保持稳定。
然而纵观整个市场,五年前单季度总营收达9.82亿美元的存储业务如今只剩下6.3亿美元,这意味着蓝色巨人的存储硬件业务已经缩水达36%。这相当于出现了-10.14%的年均复合增长率,或者说10.14的年均复合下滑率。不知道在罗睿兰的团队真正进入状态之前,这部分业务还将出现怎样的缩水;或者说,罗睿兰的管理层已经进入了状态,只是计划放弃存储业务这堆扶不上墙的烂泥?
关于未来,我们又能给出怎样的展望?毕竟纵观过去二十个季度,IBM公司的季度存储营收一直保持着同比下降趋势。其它公司面对这样的状况会给出怎样的解决办法?蓝色巨人显然陷入了困惑当中。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。